版权声明：本文由 Micheal 超 博客 创作，转载请附带链接，有问题欢迎交流。 https://blog.csdn.net/qq_42887760/article/details/86183886

原理方法

图像形态学操作时候，可以通过自定义的结构元素实现结构元素
对输入图像一些对象敏感、另外一些对象不敏感，这样就会让敏
感的对象改变而不敏感的对象保留输出。通过使用两个最基本的
形态学操作 – 膨胀与腐蚀，使用不同的结构元素实现对输入图像
的操作、得到想要的结果。

• 膨胀，输出的像素值是结构元素覆盖下输入图像的最大像素值
• 腐蚀，输出的像素值是结构元素覆盖下输入图像的最小像素值

1) 二值图像与灰度图像上的膨胀操作

2) 二值图像与灰度图像上的腐蚀操作

结构元素

上述膨胀与腐蚀过程可以使用任意的结构元素
常见的形状：矩形、园、直线、磁盘形状、砖石形状等各种自定义形状。

提取步骤

1. 输入图像彩色图像 imread
2. 转换为灰度图像 – cvtColor
3. 转换为二值图像 – adaptiveThreshold
   

   adaptiveThreshold(
   
   Mat src, // 输入的灰度图像
   
   Mat dest, // 二值图像
   
   double maxValue, // 二值图像最大值
   
   int adaptiveMethod // 自适应方法，只能其中之一 –
   
   // ADAPTIVE_THRESH_MEAN_C ， ADAPTIVE_THRESH_GAUSSIAN_C
   
   int thresholdType,// 阈值类型
   
   int blockSize, // 块大小
   
   double C // 常量C 可以是正数，0，负数
   
   )

   
   
   
4. 定义结构元素

   一个像素宽的水平线 - 水平长度 width/30
   
   一个像素宽的垂直线 – 垂直长度 height/30
   

5. 开操作 （腐蚀+膨胀）提取 水平与垂直线

   bitwise_not（Mat bin, Mat dst）像素取反操作，255 – SrcPixel
   模糊（blur）

代码示例

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;

int main(int argc,char** argv){
//1、加载源图像，并检查它是否加载成功，然后显示它：
Mat src = imread("E:/Experiment/OpenCV/Pictures/paint1.jpg");
if(src.empty()){
printf("Could not load Image ...");
return -1;
}
namedWindow("1.input",CV_WINDOW_AUTOSIZE);
imshow("1.input",src);
//2、如果图像不是灰度图像转换为灰度图像：
Mat gray_src;
if (src.channels() == 3)
cvtColor(src,gray_src,CV_BGR2GRAY);
else
gray_src = src;
imshow("2.Gray Image",gray_src);
//3、然后将灰度图像转换为二值化。注意~符号表明我们使用逆操作后版本（即bitwise_not）：
Mat binary_src;
/*
adaptiveThreshold( // 局部自适应阈值
Mat src, // 输入的灰度图像
Mat dest, // 二值图像
double maxValue, // 二值图像最大值
int adaptiveMethod // 自适应方法，只能其中之一 –
// ADAPTIVE_THRESH_MEAN_C ， ADAPTIVE_THRESH_GAUSSIAN_C
int thresholdType,// 阈值类型 THRESH_BINARY THRESH_BINARY_INV  阈值 T = sum(blockSize X blockSize的像素平均值) - 常量C
int blockSize, // 块大小，只能为奇数，取图像宽或高的 1/4 到 1/6 之间? 要确保足够大?
double C // 常量C 可以是正数，0，负数   ，让结果变得更亮一点 更大一点?
)
*/
adaptiveThreshold(~gray_src, binary_src, 255, CV_ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);
imshow("3.binary Image", binary_src);

//4、以提取水平和垂直线，作为从图像中分离的结果，但首先让我们初始化的输出图像：
Mat horizontal = binary_src.clone();
Mat vertical = binary_src.clone();

//5、为了提取我们所希望的对象，我们需要创建相应的结构元素。由于这里我们要提取水平线，一个相应的结构元素有以下形状：
int horizontalsize = horizontal.cols / 30;
Mat horizontalStructure = getStructuringElement(MORPH_RECT, Size(horizontalsize,1));
erode(horizontal, horizontal, horizontalStructure, Point(-1, -1));
dilate(horizontal, horizontal, horizontalStructure, Point(-1, -1));
imshow("4.1. horizontal", horizontal);

//6、 垂直线条的的用法也是这样，相应的结构元素如下:
int verticalsize = vertical.rows / 30;
Mat verticalStructure = getStructuringElement(MORPH_RECT, Size( 1,verticalsize));
erode(vertical, vertical, verticalStructure, Point(-1, -1));
dilate(vertical, vertical, verticalStructure, Point(-1, -1));
imshow("4.2. vertical", vertical);

//7、图像的边缘是有点粗糙的。由于这个原因，我们需要光顺处理边缘，以获得更平滑的结果
// Inverse vertical image
bitwise_not(vertical, vertical);
imshow("5. vertical_bit", vertical);
// Extract edges and smooth image according to the logic
// 1. extract edges
// 2. dilate(edges)
// 3. src.copyTo(smooth)
// 4. blur smooth img
// 5. smooth.copyTo(src, edges)
// Step 1
Mat edges;
adaptiveThreshold(vertical, edges, 255, CV_ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 3, -2);
imshow("6.1. edges", edges);
// Step 2
Mat kernel = Mat::ones(2, 2, CV_8UC1);
dilate(edges, edges, kernel);
imshow("6.2. dilate", edges);
// Step 3
Mat smooth;
vertical.copyTo(smooth);
// Step 4
blur(smooth, smooth, Size(2, 2));
// Step 5
smooth.copyTo(vertical, edges);
// Show final result
imshow("6.3. smooth", vertical);

waitKey(0);
return 0;
}

运行结果

参考博客：

1. https://www.geek-share.com/detail/2689617865.html
2. https://blog.csdn.net/huanghuangjin/article/details/80957750
3. https://blog.csdn.net/LYKymy/article/details/83153621