openCV学习笔记（六）-- 图像形态学操作

1.膨胀与腐蚀

原理： 膨胀–扩大白色区，如果有小黑点干扰可以消掉 腐蚀–扩大黑色区，如果有小白点可以消掉

对应API： 具体使用：

erode(binImg, temp, hline);//最后一个参数时定义的元素结构 dilate(temp, result, hline);

2.开，闭，梯度，顶帽，黑帽操作

开操作–去掉背景色中的其他颜色小点，去椒盐噪声。 闭操作–去掉前景中的小点，”补小洞“。 梯度操作–针对二值图，可以去掉填充部分得到轮廓线

对应API： 对应使用：

Mat kernel = getStructuringElement(MORPH_RECT, Size(11, 11), Point(-1, -1)); morphologyEx(src, open, CV_MOP_OPEN, kernel);//开操作 morphologyEx(src, close, CV_MOP_CLOSE, kernel);//闭操作 morphologyEx(src, gradient, CV_MOP_GRADIENT, kernel);//求形态学梯度--基础梯度 imshow("open_Image", open); imshow("clost_Image", close); imshow("gradient_Image", gradient); morphologyEx(src, TopHat, CV_MOP_TOPHAT,kernel);//顶帽操作 morphologyEx(src, BlackHat, CV_MOP_BLACKHAT, kernel);//顶帽操作

效果图：

3.图像提取操作：

·什么是二值图像？ 图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。一般二值化图像的应用领域在车牌识别，图像的字符提取

·阈值问题： 阈值类型有两种，二进制阈值和反二进制阈值 二进制阈值：大于等于该值时置白色，小于则置黑色 反二进制阈值：大于等于置黑色，小于置白色

·如何将灰度图像较好的转化为二值图像？ 自适应阈值二值化算法 算法基本的细想就是遍历图像，计算一个移动的平均值。如果某个像素明显的低于这个平均值，则设置为黑色，否则设置为白色。 仅需一个遍历就够了 不是计算全局图像的阈值，而是根据图像不同区域亮度分布，计算其局部阈值，所以对于图像不同区域，能够自适应计算不同的阈值，因此被称为自适应阈值法

对应实现：

//图像提取操作 //具体步骤： //1.先将原图转化为灰度图片 //2.将灰度图片转换为二值图像（即黑白图像） //3.执行先腐蚀，再膨胀的操作（即开操作也行） //原理：按照横轴或竖轴作为结构元素切割，就可以将对应线作为敏感元素从而消去，达到提取效果 //转换为灰度图片 Mat grat_Image; cvtColor(src, grat_Image, CV_BGR2GRAY); imshow("gray_Img", grat_Image); //转换为二值图片 Mat binImg; adaptiveThreshold(~grat_Image,binImg,255,ADAPTIVE_THRESH_MEAN_C,THRESH_BINARY,15,-2);//'`'表示将图片颜色取反，更好处理,255--满足分隔的最大像素值 //ADAPTIVE_THRESH_MEAN_C--自适应方法，THRESH_BINARY--阈值类型，后面加INV则为反阈值 //15--邻域块大小，-2--均值与-2之和为决定值 imshow("bin_Img", binImg); //定义水平结构元素 Mat hline = getStructuringElement(MORPH_RECT, Size(src.cols / 16, 1), Point(-1, -1));//把y值元素作为敏感值 //定义垂直结构元素 Mat vline = getStructuringElement(MORPH_RECT, Size(1, src.rows/16), Point(-1, -1));//把y值元素作为敏感值 //开始图像提取 Mat temp, result; erode(binImg, temp, hline); imshow("temp_Img", temp); dilate(temp, result, hline); //morphologyEx(binImg, result, CV_MOP_OPEN, hline);//相当于开操作 bitwise_not(result, result);//因为之前取反了，再取回来 imshow("result_Img", result); blur(result, result, Size(3, 3), Point(-1, -1));//最后优化一下 imshow("Final_Result", result);

字母识别：

//字母识别 //如果要识别图片中的字母，可以用矩形元素结构来识别 Mat gray_I, binI; cvtColor(src2, gray_I, COLOR_BGR2GRAY); imshow("gray", gray_I); adaptiveThreshold(~gray_I,binI, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2); imshow("bin", binI); Mat kernel = getStructuringElement(MORPH_RECT, Size(4, 4), Point(-1, -1)); Mat result2; morphologyEx(binI, result2, CV_MOP_OPEN, kernel); bitwise_not(result2, result2); imshow("result_img", result2);