1. 首页
  2. 文章中心
  3. 机器视觉

【机器视觉学习笔记】二值图像和灰度图像的膨胀、腐蚀、开运算、闭运算算法（C++）二值图像灰度图像

69 阅读 0 评论
我是靠谱客的博主 舒适乌冬面，最近开发中收集的这篇文章主要介绍【机器视觉学习笔记】二值图像和灰度图像的膨胀、腐蚀、开运算、闭运算算法（C++）二值图像灰度图像，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

目录

  • 二值图像
    • 原理
      • 腐蚀
        • 结构的原点设置在结构内部情况举例
        • 结构的原点设置在结构的外部情况举例
      • 膨胀
        • 结构的原点设置在结构的内部情况举例
        • 结构的原点设置在结构的外部情况举例
      • 开闭运算
    • 完整源码
    • 效果
      • 原图
      • 腐蚀运算
      • 膨胀运算
      • 开运算
      • 闭运算
  • 灰度图像
    • 原理
      • 腐蚀
      • 膨胀
      • 开闭运算
    • 完整源码
    • 效果
      • 原图
      • 腐蚀运算
      • 膨胀运算
      • 开运算
      • 闭运算

平台：Windows 10 20H2
Visual Studio 2015
OpenCV 4.5.3

二值图像

原理

本节内容引自二值图像腐蚀与膨胀操作样例 —— Zetaa

刚开始操作时同时有三张图，分别为原图像，结构元素图像，输出结果（此时尚为空白图像）
原图像只是提供位置信息，不参与输出图像的构成。

腐蚀

结构的原点设置在结构内部情况举例

在这里插入图片描述
上图中图(a)为原图像，图(b)为结构元素
寻找结构元素匹配原图的位置(右侧为输出图像)
在这里插入图片描述
根据原点在原图像中的位置，在输出图像上完全对应的位置上涂黑，即输出图像更变为
在这里插入图片描述
在原图中寻找下一个完全和结构元素匹配部分，根据此刻结构元素的原点在原图像上的位置，在输出图像相同的位置上涂黑
在这里插入图片描述
重复这些操作，直到寻找完毕。

结构的原点设置在结构的外部情况举例

在这里插入图片描述
此种情况结构元素的原点不在结构元素内部
寻找结构元素匹配原图的位置(右侧为输出图像)
在这里插入图片描述
根据原点在原图像中的位置，在输出图像上完全对应的位置上涂黑，即输出图像更变为
在这里插入图片描述
在原图中寻找下一个完全和结构元素匹配部分，根据此刻结构元素的原点在原图像上的位置，在输出图像相同的位置上涂黑
在这里插入图片描述
重复这些操作，直到寻找完毕。

膨胀

结构的原点设置在结构的内部情况举例

在这里插入图片描述
图中左侧(a)为原图像，右侧(b)为结构元素
拿结构元素的原点在原图像上的黑色方块上一次一次移动，如：
将结构元素的原点，放置在原图向上的第一个黑色方块上，即
在这里插入图片描述
左侧为原图像，右侧为输出图像
根据此时结构元素在原图上霸占的所有位置，我们在输出图的相应所有位置涂黑，即
在这里插入图片描述
将结构元素的原点移动到下一个原图上的黑色方块，即
在这里插入图片描述
根据此时结构元素在原图上霸占的所有位置，我们在输出图的相应所有位置涂黑，即
在这里插入图片描述
重复第三步和第四步，直到遍历完毕原图像中所有的黑色方块，我们得到最终输出结果
在这里插入图片描述

结构的原点设置在结构的外部情况举例

在这里插入图片描述
左侧为原图，右侧为结构元素，此种情况的结构元素的原点不在结构元素内部
将结构元素的原点，放置在原图向上的第一个黑色方块上，即
在这里插入图片描述
根据此时结构元素在原图上霸占的所有位置，我们在输出图的相应所有位置涂黑，即
在这里插入图片描述
将结构元素的原点移动到下一个原图上的黑色方块，即
在这里插入图片描述
根据此时结构元素在原图上霸占的所有位置，我们在输出图的相应所有位置涂黑，即
在这里插入图片描述

重复第三步和第四步，直到遍历完毕原图像中所有的黑色方块，我们得到最终输出结果
在这里插入图片描述

开闭运算

开运算为先腐蚀再膨胀
闭运算为先膨胀再腐蚀

完整源码

//包含头文件
#include <opencv2/opencv.hpp>

//命名空间
using namespace cv;
using namespace std;

//全局函数声明部分

//我的腐蚀运算
Mat Erode(Mat src, Mat Mask, uint32_t x0, uint32_t y0)
{
	uint32_t x = 0, y = 0;
	Mat dst(src.rows, src.cols, CV_8U, Scalar(0));

	for (x = 0; x < src.cols; ++x)
	{
		for (y = 0; y < src.rows; ++y)
		{
			//确定是否需要腐蚀
			uint8_t dst_P = 1;
			for (uint32_t xm = 0; xm < Mask.cols; ++xm)
			{
				for (uint32_t ym = 0; ym < Mask.rows; ++ym)
				{
					if (dst_P && Mask.at<uchar>(Point(xm, ym)) && (x + xm) < src.cols && (y + ym) < src.rows)
						dst_P &= (Mask.at<uchar>(Point(xm, ym)) & src.at<uchar>(Point(x + xm, y + ym)));
				}
				if (!dst_P)
					break;
			}

			if (dst_P && (x + x0) < src.cols && (y + y0) < src.rows)	//完全对上时
				dst.at<uchar>(Point(x + x0, y + y0)) = src.at<uchar>(Point(x, y));
		}
	}
	return dst;
}

//我的膨胀运算
Mat Dilate(Mat src, Mat Mask, uint32_t x0, uint32_t y0)
{
	uint32_t x = 0, y = 0;
	Mat dst(src.rows, src.cols, CV_8U, Scalar(0));

	for (x = 0; x < src.cols; ++x)
	{
		for (y = 0; y < src.rows; ++y)
		{
			if (src.at<uchar>(Point(x, y)))
			{
				for (uint32_t xm = 0; xm < Mask.cols; ++xm)
				{
					for (uint32_t ym = 0; ym < Mask.rows; ++ym)
					{
						if ((x + xm - x0) < dst.cols && (y + ym - y0) < dst.rows)
							dst.at<uchar>(Point(x + xm - x0, y + ym - y0)) = 255;	//膨胀
					}
				}
			}
		}
	}
	return dst;
}

//主函数
int main(int argc, char * argv[])
{
	//【1】载入图像,灰度化
	Mat image = imread("D:\Work\OpenCV\Workplace\Test_1\2.jpg", 0);//灰度原图

	//【2】检查是否载入成功
	if (image.empty())
	{
		printf("读取图片错误，请确认目录下是否有imread函数指定图片存在！n");
		return 0;
	}

	//【3】阈值化生成二值图像
	Mat binaryImage;
	threshold(image, binaryImage, 127, 255, THRESH_BINARY);

	//【4】生成结构元素
	uint8_t element_a[3][3] =
	{	1,	1,	1,
		1,	1,	1,
		1,	1,	1,	};
	Mat element = Mat(3, 3, CV_8U, element_a);

	//【5】显示图像
	imshow("原二值图像", binaryImage);

	//【6】腐蚀运算
	Mat erodedImage;
	erode(binaryImage, erodedImage, element);
	imshow("Opencv的腐蚀运算", erodedImage);
	imshow("我的腐蚀运算", Erode(binaryImage, element, 1, 1));

	//【7】膨胀运算
	Mat dilatedImage;
	dilate(binaryImage, dilatedImage, element);
	imshow("Opencv的膨胀运算", dilatedImage);
	imshow("我的膨胀运算", Dilate(binaryImage, element, 1, 1));

	//【8】开运算
	Mat OpenImage;
	morphologyEx(binaryImage, OpenImage, MORPH_OPEN, element);
	imshow("Opencv的开运算", OpenImage);
	imshow("我的开运算", Dilate(Erode(binaryImage, element, 1, 1), element, 1, 1));	//开运算即先腐蚀再膨胀

	//【9】闭运算
	Mat CloseImage;
	morphologyEx(binaryImage, CloseImage, MORPH_CLOSE, element);
	imshow("Opencv的闭运算", CloseImage);
	imshow("我的闭运算", Erode(Dilate(binaryImage, element, 1, 1), element, 1, 1));	//闭运算即先膨胀再腐蚀

	//【10】保持窗口显示
	waitKey(0);
	return 0;
}

效果

原图

在这里插入图片描述

腐蚀运算

在这里插入图片描述

膨胀运算

在这里插入图片描述

开运算

在这里插入图片描述

闭运算

在这里插入图片描述

灰度图像

原理

本节内容摘自灰度图像–形态学处理（腐蚀，膨胀，开、闭运算，顶帽（礼帽），低帽（黒帽），测定腐蚀、测地膨胀，形态学重建） —— 编程萝卜

在灰度图像中，为了保存灰度信息，腐蚀和膨胀的操作被对应的替换成了“最大值”和“最小值”操作

腐蚀

在这里插入图片描述

膨胀

在这里插入图片描述

开闭运算

与二值图像中的定义相同，开、闭运算也由腐蚀膨胀运算衍生出来的，依旧是
先腐蚀后膨胀是开运算，
先膨胀后腐蚀是闭运算。

完整源码

//包含头文件
#include <opencv2/opencv.hpp>

//命名空间
using namespace cv;
using namespace std;

//全局函数声明部分

//我的腐蚀运算
Mat Erode(Mat src, Mat Mask, uint32_t x0, uint32_t y0)
{
	uint32_t x = 0, y = 0;
	Mat dst(src.rows, src.cols, CV_8U, Scalar(0));

	for (x = 0; x < src.cols; ++x)
	{
		for (y = 0; y < src.rows; ++y)
		{
			uint8_t dst_P = 255;
			for (uint32_t xm = 0; xm < Mask.cols; ++xm)
			{
				for (uint32_t ym = 0; ym < Mask.rows; ++ym)
				{
					if (dst_P && Mask.at<uchar>(Point(xm, ym)) && (x + xm) < src.cols && (y + ym) < src.rows)
						if (dst_P > src.at<uchar>(Point(x + xm, y + ym)))	//寻找最小值
							dst_P = src.at<uchar>(Point(x + xm, y + ym));
				}
				if (!dst_P)
					break;
			}
			if (dst_P && (x + x0) < src.cols && (y + y0) < src.rows)
				dst.at<uchar>(Point(x + x0, y + y0)) = dst_P;
		}
	}
	return dst;
}

//我的膨胀运算
Mat Dilate(Mat src, Mat Mask, uint32_t x0, uint32_t y0)
{
	uint32_t x = 0, y = 0;
	Mat dst(src.rows, src.cols, CV_8U, Scalar(0));

	for (x = 0; x < src.cols; ++x)
	{
		for (y = 0; y < src.rows; ++y)
		{
			uint8_t dst_P = 0;
			for (uint32_t xm = 0; xm < Mask.cols; ++xm)
			{
				for (uint32_t ym = 0; ym < Mask.rows; ++ym)
				{
					if (dst_P != 255 && Mask.at<uchar>(Point(xm, ym)) && (x + xm) < src.cols && (y + ym) < src.rows)
						if (dst_P < src.at<uchar>(Point(x + xm, y + ym)))	//寻找最大值
							dst_P = src.at<uchar>(Point(x + xm, y + ym));
				}
				if (dst_P == 255)
					break;
			}
			if (dst_P && (x + x0) < src.cols && (y + y0) < src.rows)
				dst.at<uchar>(Point(x + x0, y + y0)) = dst_P;
		}
	}
	return dst;
}

//主函数
int main(int argc, char * argv[])
{
	//【1】载入图像,灰度化
	Mat image = imread("D:\Work\OpenCV\Workplace\Test_1\8.jpg", 0);//灰度原图

	//【2】检查是否载入成功
	if (image.empty())
	{
		printf("读取图片错误，请确认目录下是否有imread函数指定图片存在！n");
		return 0;
	}

	//【3】生成结构元素
	uint8_t element_a[7][7] =
	{	1,	1,	1,	1,	1,	1,	1,
		1,	1,	1,	1,	1,	1,	1,
		1,	1,	1,	1,	1,	1,	1,
		1,	1,	1,	1,	1,	1,	1,
		1,	1,	1,	1,	1,	1,	1,
		1,	1,	1,	1,	1,	1,	1,
		1,	1,	1,	1,	1,	1,	1, };
	Mat element = Mat(7, 7, CV_8U, element_a);

	//【4】显示图像
	imshow("原灰度图像", image);

	//【5】腐蚀运算
	Mat erodedImage;
	erode(image, erodedImage, element);
	imshow("Opencv的腐蚀运算", erodedImage);
	imshow("我的腐蚀运算", Erode(image, element, 3, 3));

	//【6】膨胀运算
	Mat dilatedImage;
	dilate(image, dilatedImage, element);
	imshow("Opencv的膨胀运算", dilatedImage);
	imshow("我的膨胀运算", Dilate(image, element, 3, 3));

	//【7】开运算
	Mat OpenImage;
	morphologyEx(image, OpenImage, MORPH_OPEN, element);
	imshow("Opencv的开运算", OpenImage);
	imshow("我的开运算", Dilate(Erode(image, element, 3, 3), element, 3, 3));	//开运算即先腐蚀再膨胀

	//【8】闭运算
	Mat CloseImage;
	morphologyEx(image, CloseImage, MORPH_CLOSE, element);
	imshow("Opencv的闭运算", CloseImage);
	imshow("我的闭运算", Erode(Dilate(image, element, 3, 3), element, 3, 3));	//闭运算即先膨胀再腐蚀

	//【10】保持窗口显示
	waitKey(0);
	return 0;
}

效果

原图

在这里插入图片描述

腐蚀运算

在这里插入图片描述
在这里插入图片描述

膨胀运算

在这里插入图片描述
在这里插入图片描述

开运算

在这里插入图片描述
在这里插入图片描述

闭运算

在这里插入图片描述
在这里插入图片描述

最后

以上就是舒适乌冬面为你收集整理的【机器视觉学习笔记】二值图像和灰度图像的膨胀、腐蚀、开运算、闭运算算法（C++）二值图像灰度图像的全部内容，希望文章能够帮你解决【机器视觉学习笔记】二值图像和灰度图像的膨胀、腐蚀、开运算、闭运算算法（C++）二值图像灰度图像所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
点赞(46)

相关文章

利用OpenCV实现对图像指定区域卷积
利用OpenCV实现对图像指定区域卷积
图像卷积操作的手动实现（基于opencv的C++编译环境）
图像卷积操作的手动实现（基于opencv的C++编译环境）
OpenCV学习笔记（七）图像卷积
OpenCV学习笔记（七）图像卷积
opencv c++ 二维直方图（25）
opencv c++ 二维直方图（25）
【机器视觉学习笔记】二值图像和灰度图像的膨胀、腐蚀、开运算、闭运算算法（C++）二值图像灰度图像
【机器视觉学习笔记】二值图像和灰度图像的膨胀、腐蚀、开运算、闭运算算法（C++）二值图像灰度图像
简短介绍一个OpenCV基本操作--图像的卷积2初步了解OpenCV
简短介绍一个OpenCV基本操作--图像的卷积2初步了解OpenCV
图像卷积（OpenCV笔记）
图像卷积（OpenCV笔记）
形态学操作——腐蚀膨胀、开闭运算、顶帽变换底帽变换 c++实现腐蚀膨胀开运算闭运算Trackbar使用顶帽变换黑帽变换trackbar使用举例
形态学操作——腐蚀膨胀、开闭运算、顶帽变换底帽变换 c++实现腐蚀膨胀开运算闭运算Trackbar使用顶帽变换黑帽变换trackbar使用举例

评论列表共有 0 条评论

立即
投稿
返回
顶部