java opencv 闭运算 opencv开运算和闭运算

开运算：先腐蚀后膨胀，可以用来消除小物体，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。
闭运算：先膨胀后腐蚀，，可以用来排除小型黑洞（黑色区域）。
形态学梯度：膨胀图和腐蚀图之差，对二值图像进行这一操作，可以将团块（blob）的边缘突出出来，保留物体的边缘轮廓。
顶帽：原图像和开运算结果图之差，常用来分离比邻近点亮一些的斑块，在一幅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取。
黑帽：闭运算结果图和原图像之差，突出了比原图像轮廓周围的区域更暗的区域，所以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。
void morphologyEx(inputArray,outputArray,int op,inputArrayKernel,Point(-1,-1),int iterations=1,int borderType=BORDER_CONSTANT,const Scalar& borderValue=morphologyDefaultBorderValue());
*第一个参数，输入图像，图像深度应为CV_8U、16U、16S、32F、64F之一。
*第二个参数，输出图像。
*第三个参数，表示形态学运算的类型：
（1）MORPH_OPEN:开运算
（2）MORPH_CLOSE:闭运算
（3）MORPH_GRADIENT:形态学梯度
（4）MORPH_TOPHAT:顶帽
（5）MORPH_BLACKHAT:黑帽
（6）MORPH_ERODE:腐蚀
（7）MORPH_DILATE:膨胀
*第四个参数，形态学运算的内核，若为NULL，表示使用参考点位于中心的3x3核，一般使用函数getStructuringElement配合这个参数适用。
*第五个参数，锚点的位置，默认值（-1，-1），表示锚点位于中心。
*第六个参数，迭代使用函数的次数，默认值为1。
*第七个参数，用于推断外部像素的某种边界模式。
*第八个参数，一般不用管。

#include<opencv2/core/core.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/opencv.hpp>
#include<iostream>

using namespace cv;
using namespace std;

//全局变量声明********************************
Mat g_srcImage,g_dstImage;
int g_nTrackbarNumber=0;//0表示开运算，1表示闭运算，2表示形态学梯度，3表示顶帽，4表示黑帽
int g_nKernelSize=3;//核大小



//全局函数声明********************************
void on_TrackbarNumberChange(int,void *);//回调函数
void on_KernelSizeChange(int,void *);//回调函数
void Process();

int main()
{
   //载入原始图片
    g_srcImage=imread("/Users/new/Desktop/1.jpg");
    if(!g_srcImage.data){printf("读取srcImage错误～！ \n");return false;}
    //显示原始图片
    namedWindow("image[origin]");
    imshow("image[origin]",g_srcImage);
    //各种形态学操作操作
    namedWindow("image[morphology]");
    createTrackbar("open/close/gradient/top_hat/black_hat: ", "image[morphology]", &g_nTrackbarNumber, 4,on_TrackbarNumberChange);
    createTrackbar("kernel size: ", "image[morphology]", &g_nKernelSize, 21,on_KernelSizeChange);
    on_TrackbarNumberChange(g_nTrackbarNumber, 0);
    on_KernelSizeChange(g_nKernelSize,0);
    waitKey();
    return 0;
}

void Process()
{
    Mat element=getStructuringElement(MORPH_RECT, Size(g_nKernelSize*2+1,g_nKernelSize*2+1),Point(g_nKernelSize,g_nKernelSize));
    switch(g_nTrackbarNumber)
    {
        case 0:
            morphologyEx(g_srcImage, g_dstImage, MORPH_OPEN, element);break;
        case 1:
            morphologyEx(g_srcImage, g_dstImage, MORPH_CLOSE, element);break;
        case 2:
            morphologyEx(g_srcImage, g_dstImage, MORPH_GRADIENT, element);break;
        case 3:
            morphologyEx(g_srcImage, g_dstImage, MORPH_TOPHAT, element);break;
        case 4:
            morphologyEx(g_srcImage, g_dstImage, MORPH_BLACKHAT, element);break;
        default:
            CV_Error(CV_StsBadArg, "unknown morphological operation");

    }

    imshow("image[morphology]",g_dstImage);
}
//回调函数
void on_TrackbarNumberChange(int,void *)
{
    Process();
}

void on_KernelSizeChange(int,void *)
{
    Process();
}

原始图片：

开运算：

闭运算：

形态学梯度：

顶帽：

黑帽：