opencv学习笔记（二十）——形态学滤波

开运算

处理过程：先腐蚀后膨胀。

功能：用于消除小物体，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，同时抑制比结构元小的亮细节。

使用实例：

#include<opencv2/opencv.hpp>
void main()
{

cv::Mat image = cv::imread("腐蚀膨胀练习1.jpg");
cv::namedWindow("SourceImage");
cv::namedWindow("OutputImage");

cv::imshow("SourceImage", image);
//开运算(MORPH_OPEN)
cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5));
cv::morphologyEx(image, image, cv::MORPH_CLOSE, element);

cv::imshow("OutputImage", image);
cv::waitKey(0);
}

效果图如下：

闭运算

处理过程：先膨胀后腐蚀

功能：用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积，同时抑制比结构元小的暗细节。

使用实例：

#include<opencv2/opencv.hpp>
void main()
{

cv::Mat image = cv::imread("result.BMP");
cv::namedWindow("SourceImage");
cv::namedWindow("OutputImage");

cv::imshow("SourceImage", image);
//闭运算（MORPH_CLOSE）
cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5));
cv::morphologyEx(image, image, cv::MORPH_CLOSE, element);

cv::imshow("OutputImage", image);
cv::waitKey(0);
}

效果：

形态学梯度

处理过程：膨胀图和腐蚀图相减

功能：对二值化图像进行这一操作可以将边缘突出来，可以使用形态学梯度来保留物体的边缘轮廓

使用实例：

#include<opencv2/opencv.hpp>
void main()
{

cv::Mat image = cv::imread("result.BMP");
cv::namedWindow("SourceImage");
cv::namedWindow("OutputImage");

cv::imshow("SourceImage", image);
//形态学梯度（MORPH_GRADIENT）
cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(2, 2));
cv::morphologyEx(image, image, cv::MORPH_GRADIENT, element);

cv::imshow("OutputImage", image);
cv::waitKey(0);
}

效果：

顶帽变换和低帽变换

顶帽（白顶帽变换）：

处理过程：原图像减去开运算的过程。

功能：顶帽变换用于校正不均匀关照的影响（补充：均匀光照在从背景中提取目标的处理中扮演核心的角色）。

使用实例：

#include<opencv2/opencv.hpp>
void main()
{

cv::Mat image = cv::imread("Fig0926(a)(rice).tif");
cv::namedWindow("SourceImage");
cv::namedWindow("OutputImage");

cv::imshow("SourceImage", image);
//形态学梯度（MORPH_GRADIENT）
cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(15, 15));
cv::morphologyEx(image, image, cv::MORPH_TOPHAT, element);
cv::imshow("OutputImage", image);

cv::waitKey(0);
}

效果展示：

低帽（黑底帽变换）：

处理过程：闭运算减去原图像的过程。

功能：突出比原图轮廓周围更暗的区域。

使用实例：

#include<opencv2/opencv.hpp>
void main()
{

cv::Mat image = cv::imread("Fig0926(a)(rice).tif");
cv::namedWindow("SourceImage");
cv::namedWindow("OutputImage");

cv::imshow("SourceImage", image);
//形态学梯度（MORPH_GRADIENT）
cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(10, 10));
cv::morphologyEx(image, image, cv::MORPH_BLACKHAT, element);
cv::imshow("OutputImage", image);

cv::waitKey(0);
}

效果图：

核心函数morphologyEx()介绍：

源码解析：

查看一下morphologyEx源代码：

void cv::gpu::morphologyEx(const GpuMat& src, GpuMat& dst, int op, const Mat& kernel, GpuMat& buf1, GpuMat& buf2, Point anchor, int iterations, Stream& stream)
{
switch( op )
{
case MORPH_ERODE:   erode(src, dst, kernel, buf1, anchor, iterations, stream); break;
case MORPH_DILATE: dilate(src, dst, kernel, buf1, anchor, iterations, stream); break;
case MORPH_OPEN:
erode(src, buf2, kernel, buf1, anchor, iterations, stream);
dilate(buf2, dst, kernel, buf1, anchor, iterations, stream);
break;
case CV_MOP_CLOSE:
dilate(src, buf2, kernel, buf1, anchor, iterations, stream);
erode(buf2, dst, kernel, buf1, anchor, iterations, stream);
break;
case CV_MOP_GRADIENT:
erode(src, buf2, kernel, buf1, anchor, iterations, stream);
dilate(src, dst, kernel, buf1, anchor, iterations, stream);
subtract(dst, buf2, dst, GpuMat(), -1, stream);
break;
case CV_MOP_TOPHAT:
erode(src, dst, kernel, buf1, anchor, iterations, stream);
dilate(dst, buf2, kernel, buf1, anchor, iterations, stream);
subtract(src, buf2, dst, GpuMat(), -1, stream);
break;
case CV_MOP_BLACKHAT:
dilate(src, dst, kernel, buf1, anchor, iterations, stream);
erode(dst, buf2, kernel, buf1, anchor, iterations, stream);
subtract(buf2, src, dst, GpuMat(), -1, stream);
break;
default:
CV_Error(CV_StsBadArg, "unknown morphological operation");
}
}

可以发现，这个函数使用了一个大的switch实现了多种形态学滤波的调用。

函数API介绍：

C++: void morphologyEx(
InputArray src,
OutputArray dst,
int op,
InputArraykernel,
Pointanchor=Point(-1,-1),
intiterations=1,
intborderType=BORDER_CONSTANT,
constScalar& borderValue=morphologyDefaultBorderValue() );

第一个参数，InputArray类型的src，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五种之一：CV_8U,

CV_16U,CV_16S, CV_32F 或CV_64F。

第二个参数，OutputArray类型的dst，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，可以是如下之一的标识符：

MORPH_OPEN – 开运算（Opening operation）

MORPH_CLOSE – 闭运算（Closing operation）

MORPH_GRADIENT -形态学梯度（Morphological gradient）

MORPH_TOPHAT - “顶帽”（“Top hat”）

MORPH_BLACKHAT - “黑帽”（“Black hat“）

另有CV版本的标识符也可选择，如CV_MOP_CLOSE，CV_MOP_GRADIENT，CV_MOP_TOPHAT，CV_MOP_BLACKHAT，这应该是OpenCV1.0系列版本遗留下来的标识符，和上面的“MORPH_OPEN”一样的效果。

第四个参数，InputArray类型的kernel，形态学运算的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。我们一般使用函数getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。

第五个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。

第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1。

第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_ CONSTANT。

第八个参数，const

Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。