OpenCV识别提取图像中的水平线与垂直线

195 阅读 0 评论 129 点赞

我是靠谱客的博主眯眯眼睫毛膏，最近开发中收集的这篇文章主要介绍OpenCV识别提取图像中的水平线与垂直线，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

本文实例为大家分享了OpenCV识别提取图像中的水平线与垂直线，供大家参考，具体内容如下

1）.原理

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

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。

2）.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
4.定义结构元素
5.开操作（腐蚀+膨胀）提取水平与垂直线

3）.完整代码

(本人的运行环境是：vs2017+OpenCV3.4)

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace std;
using namespace cv;

//灰度化图像
Mat gray_Img(Mat src)
{
 Mat dst = Mat::zeros(src.size(), src.type());
 cvtColor(src, dst, CV_BGR2GRAY);
 return dst;
}

//自适应阈值(二值化图像)
Mat threshold_Img(Mat src)
{
 Mat dst = Mat::zeros(src.size(), src.type());
 //参数：输入， 输出， 二值图像的最大值 ， 在一个邻域内计算阈值所采用的算法，有两个取值分别为 ADAPTIVE_THRESH_MEAN_C 和 ADAPTIVE_THRESH_GAUSSIAN_C ， 阈值类型只有两个取值，分别为 THRESH_BINARY 和THRESH_BINARY_INV，（blockSize）adaptiveThreshold的计算单位是像素的邻域块，邻域块取多大就由这个值作决定， 偏移值调整量
 adaptiveThreshold(~src, dst, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2); 
 return dst;
}

//结构元素(获取垂直算子)
Mat get_Vertical(Mat src)
{
 Mat dst = Mat::zeros(src.size(), src.type());
 return getStructuringElement(MORPH_RECT,Size(src.cols/16,1),Point(-1,-1));
}

//结构元素（获取水平算子）
Mat get_Horizontal(Mat src)
{
 Mat dst = Mat::zeros(src.size(), src.type());
 return getStructuringElement(MORPH_RECT, Size(1, src.rows / 16), Point(-1, -1));
}

//腐蚀
Mat erode_Img(Mat src,Mat kernel)
{
 Mat dst = Mat::zeros(src.size(), src.type());
 erode(src, dst, kernel);
 return dst;
}

//膨胀
Mat dilate_Img(Mat src, Mat kernel)
{
 Mat dst = Mat::zeros(src.size(), src.type());
 dilate(src, dst, kernel);
 return dst;
}


int main()
{
 Mat src = imread("001.png");
 if (src.empty())
 {
 cout << "fail to load image" << endl;
 return -1;
 }

 namedWindow("input_Img", 0);
 imshow("input_Img", src);
 //输入图像转灰度
 Mat grayImg = gray_Img(src);
 namedWindow("input_Img_gray", 0);
 imshow("input_Img_gray", grayImg);
 //二值化图像
 Mat thresholdImg = threshold_Img(grayImg);
 namedWindow("input_Img_threshold", 0);
 imshow("input_Img_threshold", thresholdImg);

 Mat verticalLine = get_Vertical(src);
 Mat horizontalLine = get_Horizontal(src);
 //先腐蚀再膨胀
 Mat vertical_Line_erode = erode_Img(thresholdImg, verticalLine);
 Mat vertical_Line_dilate = dilate_Img(vertical_Line_erode, verticalLine);
 //显示图像中的垂直线
 namedWindow("verticalLine", 0);
 imshow("verticalLine", vertical_Line_dilate);

 Mat horizontal_Line_erode = erode_Img(thresholdImg, horizontalLine);
 Mat horizontal_Line_dilate = dilate_Img(horizontal_Line_erode, horizontalLine);
 //显示图像中的垂直线
 namedWindow("horizontalLine", 0);
 imshow("horizontalLine", horizontal_Line_dilate);

 waitKey();
 return 0;
}

4）.我的运行结果

1.灰度化结果