OpenCV C++记录(十)：形态学处理基础

形态学处理

在传统图像处理中，形态学处理可算是最为强大的功能之一，只要你稍微有一些粗略的识别-分类需求需要对图像进行前处理，形态学都能帮上大忙，而且具备极高的计算效率。

这得益于其计算原理的简单，腐蚀和膨胀是两种基本操作，注意这里形态学处理的对象都是二值图；

腐蚀与膨胀

腐蚀的基本原理是以二值卷积核和二值图卷积，只要一个位置的相乘结果为0，那么中心像素即为0：

腐蚀函数原型是：

void erode(
    cv::InputArray src, //输入二值图像
    cv::OutputArray dst, //输出二值图像
    cv::InputArray kernel, //卷积核
    cv::Point anchor = cv::Point(-1, -1), //处理锚点，默认中心点 
    int iterations = 1, //腐蚀次数
    int borderType = 0, //边值处理：默认常数填充
    const cv::Scalar &borderValue = morphologyDefaultBorderValue() //仅borderType = 0生效, 填充常数，默认为Scalar(0)
)

通过这种运算，能够有效去除白色的无效结构，可以是白色的噪点，也可以是白色的连接结构，例如一些蜂窝填充填充、桥接结构；

膨胀是腐蚀的逆运算，其计算与腐蚀完全相反，即二值卷积核和二值图进行卷积，只要其中一个位置像素为1，那么中心像素就赋值为1:

所以其效果是和腐蚀相反的，往往用于填充黑色结构，例如补足物体中间的黑色小洞，其函数原型是：

void dilate(       //参数意义同erode，不赘述
    cv::InputArray src, 
    cv::OutputArray dst, 
    cv::InputArray kernel, 
    cv::Point anchor = cv::Point(-1, -1), 
    int iterations = 1, 
    int borderType = 0, 
    const cv::Scalar &borderValue = morphologyDefaultBorderValue()
)

其中腐蚀膨胀都需要用到卷积核结构，OpenCV通过cv::getStructuringElement提供了矩形、椭圆(圆)、十字形三种常用的结构，适用于不同的目标(例如圆形目标使用椭圆能维持光滑性)：

cv::Mat getStructuringElement(
    int shape, 
    cv::Size ksize, 
    cv::Point anchor = cv::Point(-1, -1)
)

其中shape类型：
- cv::MORPH_ELLIPSE：椭圆卷积核
- cv::MORPH_RECT：矩形卷积核
- cv::MORPH_CROSS：十字卷积核

示例：

Mat rawPic = imread("D:/Documents/Desktop/holeTest/test.png",0);
Mat binary;
cv::threshold(rawPic,binary,0,255,cv::THRESH_BINARY|cv::THRESH_OTSU);
Mat kernel = getStructuringElement(MORPH_ELLIPSE, Size(17, 17));
Mat eroded;
erode(binary, eroded, kernel);
Mat dilated;
dilate(eroded, dilated ,kernel);

开运算与闭运算

单独的腐蚀或者膨胀都会对图像产生有害操作，要么目标腐蚀后黑色像素变多，白色结构减少；要么目标膨胀后白色像素变多，白色结构外扩；然而，腐蚀和膨胀都是逆运算，意味着当使用同一个卷积核进行膨胀和腐蚀，不会对目标像素产生损害，而仅仅去除冗余的黑色结构或者白色结构；

先腐蚀后膨胀称为开运算，去除白色结构：

1
2
3

cv::Mat opened;
Mat kernel1 = 5*getStructuringElement(cv::MORPH_ELLIPSE,Size(26,26));
morphologyEx(dilated,opened,cv::MORPH_OPEN,kernel1);

先膨胀再腐蚀称为闭运算，填充黑色结构：

1
2
3

cv::Mat opened;
Mat kernel1 = 5*getStructuringElement(cv::MORPH_ELLIPSE,Size(26,26));
morphologyEx(dilated,opened,cv::MORPH_OPEN,kernel1);

其余处理

它们反应了图像的轮廓特征，比较少用。 ### 形态学梯度当处理参数为cv::MORPH_GRADIENT时，所求结果为形态学梯度，它是图像开运算和闭运算的差值：

Mat rawPic = imread("D:/Documents/Desktop/holeTest/S000029_P1.png",0);
cv::Mat gradient;
Mat kernel = 5*getStructuringElement(cv::MORPH_ELLIPSE,Size(10,10));
morphologyEx(rawPic,gradient,cv::MORPH_GRADIENT,kernel);
namedWindow("gradient",cv::WINDOW_NORMAL);
imshow("gradient", gradient);

黑帽

处理参数为cv::MORPH_BLACKHAT，结果是原图和闭运算图的差值，即填充掉的黑色结构：

Mat rawPic = imread("D:/Documents/Desktop/holeTest/S000029_P1.png",0);
cv::Mat blackHat;
Mat kernel = 5*getStructuringElement(cv::MORPH_ELLIPSE,Size(25,25));
morphologyEx(rawPic,blackHat,cv::MORPH_BLACKHAT,kernel);
namedWindow("blackHat",cv::WINDOW_NORMAL);
imshow("blackHat", blackHat);

礼帽

处理参数为cv::MORPH_TOPHAT，结果是开运算和原图的差值，即腐蚀掉的白色结构：

Mat rawPic = imread("D:/Documents/Desktop/holeTest/S000029_P1.png",0);
cv::Mat topHat;
Mat kernel = 5*getStructuringElement(cv::MORPH_ELLIPSE,Size(25,25));
morphologyEx(rawPic,topHat,cv::MORPH_TOPHAT,kernel);
namedWindow("topHat",cv::WINDOW_NORMAL);
imshow("topHat", topHat);