OpenCV數位影像處理基於C++之影象形態學處理詳解

2022-12-07 14:00:55

1、影象腐蝕

原理：腐蝕用來收縮或細化二值影象中的前景，藉此實現去噪聲、元素分割等功能。和所有形態學濾波器一樣，腐蝕和膨脹這兩個濾波器的作用範圍是由結構元素定義的畫素集。在某個畫素上應用結構元素時，結構元素的錨點與該畫素對齊，所有與結構元素相交的畫素就包含在當前集合中。腐蝕就是把當前畫素替換成所定義畫素集合中的最小畫素值；膨脹是腐蝕的反運算，它把當前畫素替換成所定義畫素集合中的最大畫素值。由於輸入的二值影象只包含黑色(值為0)和白色(值為255)畫素，因此每個畫素都會被替換成白色或黑色畫素。

要形象地理解這兩種運算的作用，可考慮背景(黑色)和前景(白色)的物體。腐蝕時，如果結構元素放到某個畫素位置時碰到了背景(即交集中有一個畫素是黑色的)，那麼這個畫素就變為背景;膨脹時，如果結構元素放到某個背景畫素位置時碰到了前景物體，那麼這個畫素就被標為白色。正因如此，影象腐蝕後物體尺寸會縮小(形狀被腐蝕)，而影象膨脹後物體會擴大。在腐蝕影象中，有些面積較小的物體（可看作背景中的“噪聲”畫素）會徹底消失。與之類似，膨脹後的物體會變大.而物體中一些“空隙”會被填滿。OpenCV預設使用3×3正方形結構元素。在呼叫函數時，就能得到預設的結構元素。你也可以通過提供一個矩陣來指定結構元素的大小(以及形狀)，矩陣中的非零元素將構成結構元素。

作用：去除影象中的某些部分以及會縮小細化目標

1.1 CV腐蝕函數

CV_EXPORTS_W void erode( 
    InputArray src, 
    OutputArray dst, 
    InputArray kernel,
    Point anchor = Point(-1,-1),
    int iterations = 1,
    int borderType = BORDER_CONSTANT,
    const Scalar& borderValue = morphologyDefaultBorderValue()
);

src 輸入影象;通道的數量可以是任意的，但是深度值應該是以下之一：
CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
dst 和源影象同樣大小和型別的輸出影象。
kernel 用於腐蝕的結構元素;如果element=Mat(),是一個3 x 3的矩形結構元素. Kernel 可以通過使用getStructuringElement來建立。
anchor 素中的錨點的位置，預設是值(-1,-1),也就是說錨點在元素的中心位置。
iterations 腐蝕的迭代次數。
borderType畫素外推方法。參見#BorderTypes， BORDER_WRAP不支援。
borderValue 固定邊緣的情況下的邊緣值。
參考 dilate,morphologyEx,getStructuringElement

Mat cv::getStructuringElement(
int  shape,
Size  ksize,
Point  anchor = Point(-1,-1) 
 )
引數1：結構元的形狀（0：矩形結構元；1：十字架結構元；2：橢圓結構元）；
引數2：結構元大小（size（m, n））；
引數3：結構元中心點所在位置（point(x, y)）預設為中心點

Mat element = getStructuringElement(0, Size(3, 3)); //構造矩形結構元素
	Mat image_erosion;
	erode(image_bw, image_erosion, element, Point(-1, -1), 3); //執行腐蝕操作
	imshow("image_erosion", image_erosion);

原圖

二值圖

CV腐蝕

1.2 自定義腐蝕函數

void erode_my(Mat &src,Mat &dst,int size) {
	for (int i = 0; i < src.rows; ++i)
	{
		for (int j = 0; j < src.cols; ++j)
		{
			uchar minV = 255;
			//uchar maxV = 0;

			//遍歷周圍最小畫素值
			for (int yi = i - size / 2; yi <= i + size / 2; yi++)
			{
				for (int xi = j - size / 2; xi <= j + size / 2; xi++)
				{
					if (xi < 0 || xi >= src.cols || yi < 0 || yi >= src.rows)
					{
						continue;
					}
					minV = (std::min<uchar>)(minV, src.at<uchar>(yi, xi));
					//maxV = (std::max<uchar>)(maxV, src.at<uchar>(yi, xi));			
				}
			}
			dst.at<uchar>(i, j) = minV;
		}
	}
}

自定義腐蝕

1.3 對比

erode_my(image_bw, image_erosion_my,9);
當腐蝕結構擴大到9×9時效果基本與cv自帶函數一致。

2、影象膨脹

原理：腐蝕用來收縮或細化二值影象中的前景，藉此實現去噪聲、元素分割等功能。腐蝕過程：用結構元來逐個畫素掃描被腐蝕影象，並根據結構元和被腐蝕影象的關係確定腐蝕結果。

注意，腐蝕操作等形態學操作，是逐個畫素地來確定值的，每次判定的點都與結構元中心點所對應，如果結構元完全處於前景影象中，就將結構元中心點所對應的腐蝕結果影象中的畫素點處理為前景色（如1）。如果結構元不完全處於前景影象中，就將結構元中心點所對應的腐蝕結果影象中的畫素點處理為背景色（如0）。（結構元也被稱為核）

作用：增大影象中的目標，或者填充、連線某些目標。

2.1 CV膨脹函數

CV_EXPORTS_W void dilate( 
    InputArray src, 
    OutputArray dst, 
    InputArray kernel,
    Point anchor = Point(-1,-1), 
    int iterations = 1,
    int borderType = BORDER_CONSTANT,
    const Scalar& borderValue = morphologyDefaultBorderValue() 
);

src 輸入影象;通道的數量可以是任意的，但是深度值應該是以下之一：CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
dst 和源影象同樣大小和型別的輸出影象。
kernel 膨脹核元素，如果elemenat=Mat(), 是一個3 x 3的矩形核元素，核可以使用getStructuringElement來建立。
anchor 元素中的錨點的位置，預設是值(-1,-1),也就是說錨點在元素的中心位置。
iterations 膨脹的迭代次數。
borderType 畫素外推方法。參見#BorderTypes， BORDER_WRAP不支援。
borderValue 固定邊緣的情況下的邊緣值。
參考：erode,morphologyEx,getStructuringElement

//膨脹
Mat element = getStructuringElement(0, Size(3, 3)); //構造矩形結構元素
Mat image_dilate;
dilate(image_bw, image_dilate, element, Point(-1, -1), 9); //執行膨脹操作
imshow("image_dilate", image_dilate);

二值圖

CV膨脹

2.2 自定義膨脹函數

void dilate_my(Mat& src, Mat& dst, int size) {
	for (int i = 0; i < src.rows; ++i)
	{
		for (int j = 0; j < src.cols; ++j)
		{
			//uchar minV = 255;
			uchar maxV = 0;

			//遍歷周圍最大畫素值
			for (int yi = i - size / 2; yi <= i + size / 2; yi++)
			{
				for (int xi = j - size / 2; xi <= j + size / 2; xi++)
				{
					if (xi < 0 || xi >= src.cols || yi < 0 || yi >= src.rows)
					{
						continue;
					}
					//minV = (std::min<uchar>)(minV, src.at<uchar>(yi, xi));
					maxV = (std::max<uchar>)(maxV, src.at<uchar>(yi, xi));
				}
			}
			dst.at<uchar>(i, j) = maxV;
		}
	}
	
}

自定義膨脹

2.3 對比

dilate_my(image_bw, image_dilate_my, 9);
當膨脹結構擴大到9×9時效果基本與cv自帶函數一致。

腐蝕影象相當於對其反色影象膨脹後再取反色;
膨脹影象相當於對其反色影象腐蝕後再取反色。

3、開運算

原理：先腐蝕，再膨脹。

作用：平滑物體輪廓、斷開狹窄的狹頸、消除細長的突出和物體。可以去掉影象上一些小的物件。（假設影象前景色是白色，背景色是黑色）

原圖

3.1 方法一

//先腐蝕後膨脹
Mat open_image;
Mat element = getStructuringElement(0, Size(3, 3)); //構造矩形結構元素
erode(image_bw, image_erosion, element, Point(-1, -1), 3); //執行腐蝕操作
dilate(image_erosion, open_image, element, Point(-1, -1), 3); //執行膨脹操作
imshow("open", open_image);

3.2 方法二

morphologyEx(image_bw, open_image, MORPH_OPEN, element);
	imshow("open2", open_image);

4、閉運算

原理：先膨脹，再腐蝕。

作用：閉運算可以填充小洞，填充小的噪點。

4.1 方法一

Mat close_image;
Mat element = getStructuringElement(0, Size(3, 3)); //構造矩形結構元素
dilate(image_bw, image_dilate, element, Point(-1, -1), 3); //執行膨脹操作
erode(image_dilate, close_image, element, Point(-1, -1), 3); //執行腐蝕操作
imshow("close", close_image);

4.2 方法二

morphologyEx(image_bw, close_image, MORPH_CLOSE, element);
imshow("close2", close_image);

4.3 morphologyEx函數介紹

void morphologyEx( 
InputArray src, 
OutputArray dst,
int op, 
InputArray kernel,
Point anchor = Point(-1,-1), 
int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue = morphologyDefaultBorderValue() 
);
（1）引數1：InputArray src
輸入影象，影象資料型別必須為CV_8U, CV_16U, CV_16S, CV_32F or CV_64F中的一種。
（2）引數2：OutputArray dst
輸出影象，資料型別與大小和輸入影象一樣。
（3）引數3：int op 形態學處理的型別：
MORPH_ERODE = 0：腐蝕處理
MORPH_DILATE = 1：膨脹處理
MORPH_OPEN = 2：開運算處理
MORPH_CLOSE = 3：閉運算處理
MORPH_GRADIENT = 4：形態學梯度
MORPH_TOPHAT = 5：頂帽變換
MORPH_BLACKHAT = 6：黑帽變換
MORPH_HITMISS = 7 ：擊中-擊不中變換
（4）引數4：InputArray kernel結構元矩陣
（5）引數5：Point anchor = Point(-1,-1)
結構元中心點， 預設值Point(-1,-1), 表示正中心
（6）引數6：int iterations = 1
腐蝕膨脹處理的次數，預設值為1；
如果是開運算閉運算，次數表示先腐蝕或者膨脹幾次，再膨脹腐蝕幾次，而不是開運算閉運算幾次：
如開運算且次數為2：erode -> erode -> dilate -> dilate
（7）引數7：int borderType = BORDER_CONSTANT
影象邊框插值型別，預設型別為固定值填充
BORDER_CONSTANT = 0：固定值 i 填充：iiiiii | abcdefgh | iiiiiii
BORDER_REPLICATE = 1：兩端複製：aaaaaa | abcdefgh | hhhhhhh
BORDER_REFLECT = 2：映象複製：fedcba | abcdefgh | hgfedcb
BORDER_WRAP = 3：去除一端的值然後複製： cdefgh | abcdefgh | abcdefg
BORDER_REFLECT_101 = 4：去除一端的值然後映象複製： gfedcb|abcdefgh|gfedcba
BORDER_TRANSPARENT = 5：推導賦值 uvwxyz | abcdefgh | ijklmno
BORDER_REFLECT101 = BORDER_REFLECT_101： same as BORDER_REFLECT_101
BORDER_DEFAULT = BORDER_REFLECT_101： same as BORDER_REFLECT_101
BORDER_ISOLATED = 16：< do not look outside of ROI
（8）引數8：const Scalar& borderValue = morphologyDefaultBorderValue()
檔案中說明：param borderValue Border value in case of a constant border. The default value has a special meaning.

5、頂帽運算

原理：頂帽（或禮帽）運算是原始影象減去影象開運算的結果。

頂帽運算：原始影象 — 影象開運算

作用：得到影象的噪聲。如下圖所示：

5.1 方法一

//構造結構元
Mat kernel = getStructuringElement(0, Size(5, 5));
Mat image_lm;
//頂帽變換（禮帽變換）
morphologyEx(image_bw, image_lm, 5, kernel);
cv::imshow("image_lm", image_lm);

5.2 方法二

Mat image_lm2;	//**頂帽運算：原始影象 — 影象開運算**
//dst=img1-img2;//這兩個減法效果相同    若dst<0,則dst=0
subtract(image_bw,open_image2, image_lm2);//注意：要求被處理圖片尺寸一致
cv::imshow("image_lm2",image_lm2);

Mat image_lm2;
absdiff(image_bw, open_image2, image_lm2);//若dst<0,則dst=|dst|>=0    用於檢測兩幅相似影象的不同點，效果比上面的兩種減法好
cv::imshow("image_lm2", image_lm2);

6、黑帽運算

原理：黑帽運算是影象閉運算操作減去原始影象的結果。

黑帽運算：閉運算 — 原始影象

作用：得到影象內部的小孔，或者前景色中的小黑點。如下圖所示：

6.1 方法一

//構造結構元
Mat kernel = getStructuringElement(0, Size(5, 5));
//底帽變換（黑帽變換）
Mat image_hm;
morphologyEx(image_bw, image_hm, 6, kernel);
cv::imshow("image_hm", image_hm);

6.2 方法二

Mat image_hm2;
	subtract(image_bw, close_image2, image_hm2);//注意：要求被處理圖片尺寸一致
	cv::imshow("image_hm2", image_hm2);

Mat image_hm2;
absdiff(image_bw, close_image2, image_hm2);//若dst<0,則dst=|dst|>=0    用於檢測兩幅相似影象的不同點，效果比上面的兩種減法好
cv::imshow("image_hm2", image_hm2);

7、形態學梯度

原理：膨脹圖與腐蝕圖之差；

作用：對二值圖進行這一操作可以得到影象中白色區域的邊界，因此可以用形態學梯度來保留物體的邊界輪廓。

7.1 方法一

//構造結構元
Mat kernel = getStructuringElement(0, Size(5, 5));
Mat image_lm;

//形態學梯度
morphologyEx(image_bw, image_td, 4, kernel);
cv::imshow("image_td", image_td);

7.2 方法二

Mat image_tw2;
subtract(image_dilate, image_erosion, image_tw2);//注意：要求被處理圖片尺寸一致
cv::imshow("image_tw2", image_tw2);

Mat image_tw2;
absdiff(image_dilate, image_erosion, image_tw2);//若dst<0,則dst=|dst|>=0    用於檢測兩幅相似影象的不同點，效果比上面的兩種減法好
cv::imshow("image_tw2", image_tw2);