|
|
原理方法
实现步骤
代码演示
原理方法
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
二值图像与灰度图像上的膨胀操作
二值图像与灰度图像上的腐蚀操作
结构元素
上述膨胀与腐蚀过程可以使用任意的结构元素
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。
提取步骤
输入图像彩色图像 imread
转换为灰度图像 – cvtColor
转换为二值图像 – adaptiveThreshold
定义结构元素
开操作 （腐蚀+膨胀）提取 水平与垂直线
代码实现-第一步输入彩色图像 imread
转换为灰度图像 – cvtColor
转换为二值图像 – adaptiveThreshold
定义结构元素
开操作(腐蚀+膨胀)-检测
bitwise_not（Mat bin, Mat dst）像素取反操作，255 – SrcPixel
模糊（blur）
[C++] 纯文本查看 复制代码 /*
注意:
利用水平结构 和垂直结构提取水平和垂直
void adaptiveThreshold(
InputArray src,
OutputArray dst,
double maxValue,
int adaptiveMethod,
int thresholdType,
int blockSize,
double C)
参数：
InputArray src：源图像
OutputArray dst：输出图像，与源图像大小一致
int adaptiveMethod：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 。
ADAPTIVE_THRESH_MEAN_C的计算方法是计算出领域的平均值再减去第七个参数double C的值。
ADAPTIVE_THRESH_GAUSSIAN_C的计算方法是计算出领域的高斯均值再减去第七个参数double C的值。
int thresholdType：这是阈值类型，只有两个取值，分别为 THRESH_BINARY 和THRESH_BINARY_INV 具体的请看官方的说明，这里不多做解释。
int blockSize：adaptiveThreshold的计算单位是像素的邻域块，这是局部邻域大小，3、5、7等。
double C：这个参数实际上是一个偏移值调整量，用均值和高斯计算阈值后，再减或加这个值就是最终阈值。
注：相比OpenCV的API，我多用了一个中值法确定阈值。
*/
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main(int argc, char** argv) {
Mat src, dst,temp;
src = imread("yzm.jpeg");
if (!src.data) {
printf("加载图片异常\n");
return -1;
}
namedWindow("input", CV_WINDOW_AUTOSIZE);
imshow("input", src);
//cvtColor(src, dst, CV_BGR2GRAY);
Mat gray_src;
cvtColor(src, gray_src, CV_BGR2GRAY);
imshow("灰度图效果", gray_src);
//转成成灰度图
Mat binimg;
adaptiveThreshold(~gray_src, binimg, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 15, -2);
//转换二值图像
imshow("二值图像", binimg);
Mat hline= getStructuringElement(MORPH_RECT, Size(src.cols / 16, 1), Point(-1, -1));
//提取横线结构元素
Mat vline = getStructuringElement(MORPH_RECT, Size( 1,src.rows / 16), Point(-1, -1));
//提取竖线结构元素
erode(binimg, temp, vline);
//腐蚀
dilate(temp, dst, vline);
//膨胀
/*
morphologyEx(binimg,dst, CV_MOP_OPEN, vline);
利用开操作同样实现相同操作*/
bitwise_not(dst, dst);
//背景变白
blur(dst, dst, Size(3, 3), Point(-1, -1));
//利用blur模糊美化线条效果
imshow("最终效果", dst);
waitKey(0);
return 0;
}
实际案列的运用:(验证码去干扰)
[C++] 纯文本查看 复制代码 /*
注意:
利用水平结构 和垂直结构提取水平和垂直
void adaptiveThreshold(
InputArray src,
OutputArray dst,
double maxValue,
int adaptiveMethod,
int thresholdType,
int blockSize,
double C)
参数：
InputArray src：源图像
OutputArray dst：输出图像，与源图像大小一致
int adaptiveMethod：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 。
ADAPTIVE_THRESH_MEAN_C的计算方法是计算出领域的平均值再减去第七个参数double C的值。
ADAPTIVE_THRESH_GAUSSIAN_C的计算方法是计算出领域的高斯均值再减去第七个参数double C的值。
int thresholdType：这是阈值类型，只有两个取值，分别为 THRESH_BINARY 和THRESH_BINARY_INV 具体的请看官方的说明，这里不多做解释。
int blockSize：adaptiveThreshold的计算单位是像素的邻域块，这是局部邻域大小，3、5、7等。
double C：这个参数实际上是一个偏移值调整量，用均值和高斯计算阈值后，再减或加这个值就是最终阈值。
注：相比OpenCV的API，我多用了一个中值法确定阈值。
*/
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main(int argc, char** argv) {
Mat src, dst,temp;
src = imread("gg.jpg");
if (!src.data) {
printf("加载图片异常\n");
return -1;
}
namedWindow("input", CV_WINDOW_AUTOSIZE);
imshow("input", src);
//cvtColor(src, dst, CV_BGR2GRAY);
Mat gray_src;
cvtColor(src, gray_src, CV_BGR2GRAY);
imshow("灰度图效果", gray_src);
//转成成灰度图
Mat binimg;
adaptiveThreshold(~gray_src, binimg, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 15, -2);
//转换二值图像
imshow("二值图像", binimg);
Mat kernrl = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
//矩形结构
erode(binimg, temp, kernrl);
//腐蚀
dilate(temp, dst, kernrl);
//膨胀
/*
morphologyEx(binimg,dst, CV_MOP_OPEN, kernrl);
利用开操作同样实现相同操作*/
bitwise_not(dst, dst);
//背景变白
imshow("验证码去干扰", dst);
waitKey(0);
return 0;
}
|
|
发表于 2022-2-26 13:01:20
