【OpenCV】形态学滤波（2）：开运算、形态学梯度、顶帽、黑帽

文章目录

• 1、开运算
• 2、闭运算
• 3、形态学梯度
• 4、顶帽
• 5、黑帽
• 6、核心API函数：morphologyEx()
• 7、综合示例：形态学滤波

1、开运算

开运算（Opening Operation)，其实就是先腐蚀后膨胀的过程，其数学表达式如下：

$dst=open(src,element)=dilate(erode(src,element))$

作用：开运算可以消除小物体，在纤细点处分离物体，并且在平滑较大物体的边界的同时不明显改变其面积。

示例代码：

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main()
{
  //载入原始图
  Mat image = imread("E:\\Pec\\美国队长.jpg");
  //创建窗口
  namedWindow("【原始图】");
  namedWindow("【效果图】");
  //显示原始图
  imshow("【原始图】", image);
  //定义内核
  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
  //进行形态学操作
  morphologyEx(image, image, MORPH_OPEN, element);
  //显示原始图
  imshow("【效果图】", image);
  waitKey(0);
}

2、闭运算

先膨胀后腐蚀的过程称为闭运算（Closing Operation)，其数学表达式如下：

$dst=close(src,element)=erode(dilate(src,element))$

作用：闭运算能够排除小型黑洞（黑色区域）

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main()
{
  //载入原始图
  Mat image = imread("E:\\Pec\\美国队长.jpg");
  //创建窗口
  namedWindow("【原始图】");
  namedWindow("【效果图】");
  //显示原始图
  imshow("【原始图】", image);
  //定义内核
  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
  //进行形态学操作
  morphologyEx(image, image, MORPH_CLOSE, element);
  //显示原始图
  imshow("【效果图】", image);
  waitKey(0);
}

3、形态学梯度

形态学梯度（Morphological Gradient)是膨胀土与腐蚀图之差，数学表达式如下：

$dst=morph-grad(src,element)=dilate(src,element)-erode(src,element)$

作用：二值图像进行这一操作可以将团块（blob)的边缘突出出来，利用形态学梯度来保留物体的边缘轮廓。

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main()
{
  //载入原始图
  Mat image = imread("E:\\Pec\\美国队长.jpg");
  //创建窗口
  namedWindow("【原始图】");
  namedWindow("【效果图】");
  //显示原始图
  imshow("【原始图】", image);
  //定义内核
  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
  //进行形态学操作
  morphologyEx(image, image, MORPH_GRADIENT, element);
  //显示原始图
  imshow("【效果图】", image);
  waitKey(0);
}

4、顶帽

顶帽运算（Top Hat)又常常被译为“礼帽”运算，是原图像与上文刚刚介绍的“开运算”的结果图之差。

$dst=tophat(src,element)=src-open(src,element)$

因为开运算带来的结果是放大了裂缝或者局部低亮度的区域。因此，从原图中减去开运算后的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域，且这一操作与选择的核的大小相关。

作用：顶帽运算往往用来分离比邻近点亮一些的斑块。在一副图像具有大幅的背景，而微小物品比较有规律的情况下，可以使用顶帽运算进行背景提前。

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main()
{
  //载入原始图
  Mat image = imread("E:\\Pec\\美国队长.jpg");
  //创建窗口
  namedWindow("【原始图】");
  namedWindow("【效果图】");
  //显示原始图
  imshow("【原始图】", image);
  //定义内核
  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
  //进行形态学操作
  morphologyEx(image, image, MORPH_TOPHAT, element);
  //显示原始图
  imshow("【效果图】", image);
  waitKey(0);
}

5、黑帽

黑帽（Black Hat)运算是闭运算的结果图与原图像之差，数学表达式为：

$dst=blackhat(src,element)=close(src,element)-src$

黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域，且这一操作和选择的核的大小有关。

作用：黑帽运算用来分离比邻近点暗一些的斑块，效果图有着非常完美的轮廓。

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main()
{
  //载入原始图
  Mat image = imread("E:\\Pec\\美国队长.jpg");
  //创建窗口
  namedWindow("【原始图】");
  namedWindow("【效果图】");
  //显示原始图
  imshow("【原始图】", image);
  //定义内核
  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
  //进行形态学操作
  morphologyEx(image, image, MORPH_BLACKHAT, element);
  //显示原始图
  imshow("【效果图】", image);
  waitKey(0);
}

6、核心API函数：morphologyEx()

void morphologyEx(
    InputArray src,
    OutputArray dst,
    int op,
    InputArray kernel,
    Pointanchor=Point(-1,-1),
    int iteratinotallow=1,
    int borderType=BORDER_CONSTANT,
    const Scalar& borderValue=morphologyDefaultBorderValue()
);

• 第一个参数：输入图像，即源图像，填Mat类的对象即可。图像位深应该为以下5种之一：CV_8U、CV_16U、CV_16S、CV_32F和CV_64F
• 第二个参数：即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型
• 第三个参数：int类型的op，表示形态学运算的类型，可以是如下表中的任意之一的标识符
  [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-G93BBVtQ-1656987857859)(C:\Users\lenovo\AppData\Roaming\Typora\typora-user-images\image-20220705095322440.png)]
• 第四个参数：InputArray 类型的kernel，形态学运算的内核。若为NULL，表示的是使用参考点位于中心3x3的核。一般使用函数getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定的形状和尺寸的结构元素（内核矩阵）

getStructuringElement函数的第一个参数表示内核的形状：

• （1）矩形——MORPH_RECT
• （2）交叉形——MORPH_CROSS
• （3）椭圆形——MORPH_ELLIPSE

而getStructuringElement函数的第二个参数和第三个参数分别是内核的尺寸以及锚点的位置

一般在调用erode和dilate函数之前，要先定义一个Mat类型的变量来获得getStructuringElement函数的返回值，对于锚点的位置，有默认值(-1,-1)，表示锚点位于中心。另外注意：十字形的element形状唯一依赖于锚点的位置。而在其他情况下，锚点只是影响形态学运算结果的偏移

//getStructuringElement函数相关调用如下： int g_nStructuringElement(MORPH_RECT,Size(2*g_nStructuringElement+1, 2*g_nStructuringElement+1),Point(g_nStructuringElement,g_nStructuringElement));

之后便可以调用erode、dilate或morphologyEx函数时，由kernel参数填保存getStructuringElement返回值的Mat类型变量。

• 第五个参数：锚点的位置，默认值(-1,-1)，锚点位于中心
• 第六个参数：迭代使用函数的次数，默认值为1.
• 第七个参数：用于推断图像外部像素的某种边界模式。有默认值BORDER_CONSTANT
• 第八个参数：当边界为常数时的边界值，有默认值morphologyDEfaultBorderValue()，一般不需要考虑。这些操作都是可以进行就地（in-place)操作，且对于多通道图像，每一个通道都单独进行操作。

7、综合示例：形态学滤波

说明：下面的程序运行示例一共会出现4个显示图像的窗口，包含原始图一个、开\闭运算一个，膨胀\腐蚀一个，顶帽\黑帽运算一个。它们分别使用滚动条，来控制得到形态学效果，且迭代值为10的时候为中间点。此外，还可以通过键盘1、2、3以及空格键来调节称不同的元素结构

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
//-----------------
//全局变量声明
//---------------------
Mat g_srcImage, g_dstImage;
int g_nElementShape = MORPH_RECT;//元素结果的形状

//-----------------------------------------
//变量接受的TrackBar位置参数
//------------------------------------------
int g_nMaxIterationNum = 10;
int g_nOpenCloseNum = 0;
int g_nErodeDilateNum = 0;
int g_nTopBlackHatNum = 0;

//--------------------------------------------
//全局函数声明
//-------------------------------------------
static void on_OpenClose(int, void*);
static void on_ErodeDilate(int, void*);
static void on_TopBlackHat(int ,void*);
static void ShowHelpText();//帮我文字显示

int main()
{
  system("color 5E");
  //载入原始图
  g_srcImage = imread("E:\\Pec\\钢铁侠.jpg");
  if (!g_srcImage.data) {
    printf("图片读取错误\n");
    return false;
  }
  //显示原始图
  namedWindow("【原始图】");
  imshow("【原始图】", g_srcImage);
  //创建三个窗口
  namedWindow("【开运算/闭运算】", 1);
  namedWindow("【腐蚀/膨胀】", 1);
  namedWindow("【顶帽/黑帽】", 1);
  //参数赋值
  g_nOpenCloseNum = 9;
  g_nErodeDilateNum = 9;
  g_nTopBlackHatNum = 9;
  //分别创建三个窗口的轨迹条
  createTrackbar("迭代值", "【开运算/闭运算】", &g_nOpenCloseNum, g_nMaxIterationNum * 2 + 1, on_OpenClose);
  createTrackbar("迭代值", "【腐蚀/膨胀】", &g_nErodeDilateNum, g_nErodeDilateNum * 2 + 1, on_ErodeDilate);
  createTrackbar("迭代值", "【顶帽/黑帽】", &g_nTopBlackHatNum, g_nTopBlackHatNum * 2 + 1, on_TopBlackHat);
  printf("----------------------------------------------------------------------\n");
  printf("|                 操作说明                                            |\n");
  printf("|             按下键盘Q或者ESC，程序退出                              |\n");
  printf("|      按下键盘1，使用椭圆(Elliptic)结构原始结构元素MORPH_ELLIPSE|    |\n");
  printf("|      按下键盘2，使用矩形(Rectangle)结构原始结构元素MORPH_RECT       |\n");
  printf("|      按下键盘3，使用十字形(Cross-shaped)结构原始结构元素MORPH_CROSS |\n");
  printf("|      按下键盘space，在矩形、椭圆和十字形之间循环                    |\n");
  printf("-------------------------------------------------------------------\n");
  //轮询获取按键信息
  while (1)
  {
    int c;
    //执行回调函数
    on_OpenClose(g_nOpenCloseNum, 0);
    on_ErodeDilate(g_nErodeDilateNum, 0);
    on_TopBlackHat(g_nTopBlackHatNum, 0);
    c = waitKey(0);
    //按下键盘Q或者ESC，程序退出
    if ((char)c == 'q' || (char)c == 27)
      break;
    //按下键盘1，使用椭圆(Elliptic)结构原始结构元素MORPH_ELLIPSE
    else if ((char)c == 49)//1的ASII码为49
      g_nElementShape = MORPH_ELLIPSE;
    //按下键盘2，使用矩形(Rectangle)结构原始结构元素MORPH_RECT
    else if ((char)c == 50)
      g_nElementShape = MORPH_RECT;
    //按下键盘3，使用十字形(Cross-shaped)结构原始结构元素MORPH_CROSS
    else if ((char)c == 51)
      g_nElementShape = MORPH_CROSS;
    //按下键盘space，在矩形、椭圆和十字形之间循环
    else if ((char)c == ' ')
      g_nElementShape = (g_nElementShape + 1) % 3;
  }
  return 0;
}
static void on_OpenClose(int, void*)
{
  //偏移量的定义
  int offset = g_nOpenCloseNum - g_nMaxIterationNum;//偏移量
  int Absolute_offset = offset > 0 ? offset : -offset;//取正值
  //自定义核
  Mat element = getStructuringElement(g_nElementShape, Size(Absolute_offset * 2 + 1, Absolute_offset * 2 + 1), Point(Absolute_offset, Absolute_offset));
  //进行操作
  if (offset < 0)
    morphologyEx(g_srcImage, g_dstImage, CV_MOP_OPEN, element);
  else
    morphologyEx(g_srcImage, g_dstImage,MORPH_CLOSE, element);
  imshow("【开运算/闭运算】", g_dstImage);
}
static void on_ErodeDilate(int, void*)
{
  //偏移量的定义
  int offset = g_nErodeDilateNum - g_nMaxIterationNum;//偏移量
  int Absolute_offset = offset > 0 ? offset : -offset;//取正值
  //自定义核
  Mat element = getStructuringElement(g_nElementShape, Size(Absolute_offset * 2 + 1, Absolute_offset * 2 + 1), Point(Absolute_offset, Absolute_offset));
  //进行操作
  if (offset < 0)
    erode(g_srcImage, g_dstImage,element);
  else
    dilate(g_srcImage, g_dstImage, element);
  imshow("【腐蚀/膨胀】", g_dstImage);
}
static void on_TopBlackHat(int, void*)
{
  //偏移量的定义
  int offset = g_nTopBlackHatNum - g_nMaxIterationNum;//偏移量
  int Absolute_offset = offset > 0 ? offset : -offset;//取正值
  //自定义核
  Mat element = getStructuringElement(g_nElementShape, Size(Absolute_offset * 2 + 1, Absolute_offset * 2 + 1), Point(Absolute_offset, Absolute_offset));
  //进行操作
  if (offset < 0)
    morphologyEx(g_srcImage, g_dstImage, MORPH_TOPHAT, element);
  else
    morphologyEx(g_srcImage, g_dstImage, MORPH_BLACKHAT, element);
  imshow("【顶帽/黑帽】", g_dstImage);
}

原图像：

开运算、腐蚀、顶帽图像

闭运算、膨胀、黑帽图像