目标

本教程中您将学习如何

使用 OpenCV 函数 cv::morphologyEx 应用形态学变换，例如
- 开运算
- 闭运算
- 形态学梯度
- 顶帽
- 黑帽

理论

注意: 以下说明来自 Bradski 和 Kaehler 合著的书《学习 OpenCV》。

在上一篇教程中，我们介绍了两个基本的形态学操作

腐蚀
膨胀。

基于这两个操作，我们可以对图像进行更复杂的变换。这里我们简要讨论 OpenCV 提供的 5 种操作

开运算

它是图像腐蚀后紧接的图像膨胀得到的。

\[dst = open( src, element) = dilate( erode( src, element ) )\]
适用于去除小物体（假设物体在深色前景上是明亮的）
例如，查看以下示例。左图是原图，右图是应用开运算变换后的结果。我们可以看到，小圆点已经消失了。

闭运算

它是图像膨胀后紧接的图像腐蚀得到的。

\[dst = close( src, element ) = erode( dilate( src, element ) )\]
适用于去除小孔（黑色区域）。

形态学梯度

它是图像的膨胀与腐蚀之间的差值。

\[dst = morph_{grad}( src, element ) = dilate( src, element ) - erode( src, element )\]
它适用于查找物体的轮廓，如下所示

顶帽

它是输入图像与其开运算结果之间的差值。

\[dst = tophat( src, element ) = src - open( src, element )\]

黑帽

它是闭运算结果与输入图像之间的差值

\[dst = blackhat( src, element ) = close( src, element ) - src\]

代码

本教程的代码如下。您还可以下载以下代码

 
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>
 
using namespace cv;
 
Mat src, dst;
 
int morph_elem = 0;
int morph_size = 0;
int morph_operator = 0;
int const max_operator = 4;
int const max_elem = 2;
int const max_kernel_size = 21;
 
const char* window_name = "形态学变换演示";
 
 
void Morphology_Operations( int, void* );
 
int main( int argc, char** argv )
{
  CommandLineParser parser( argc, argv, "{@input | baboon.jpg | 输入图像}" );
src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );
  if (src.empty())
  {
std::cout << "无法打开或找不到图像！\n" << std::endl;
std::cout << "使用方法: " << argv[0] << " <输入图像> " << std::endl;
    return EXIT_FAILURE;
  }
 
namedWindow( window_name, WINDOW_AUTOSIZE ); // 创建窗口
 
createTrackbar("算子：\n 0：开运算 - 1：闭运算 \n 2：梯度 - 3：顶帽 \n 4：底帽", window_name, &morph_operator, max_operator, Morphology_Operations );
 
createTrackbar( "元素：\n 0：矩形 - 1：十字 - 2：椭圆", window_name,
&morph_elem, max_elem,
Morphology_Operations );
 
createTrackbar( "核尺寸：\n 2n +1", window_name,
&morph_size, max_kernel_size,
Morphology_Operations );
 
Morphology_Operations( 0, 0 );
 
waitKey(0);
  return 0;
}
 
 
void Morphology_Operations( int, void* )
{
  // 因为 MORPH_X：2,3,4,5 和 6
  int operation = morph_operator + 2;
 
  Mat element = getStructuringElement( morph_elem, Size( 2*morph_size + 1, 2*morph_size+1 ), Point( morph_size, morph_size ) );
 
morphologyEx( src , dst , operation , element );
imshow( window_name , dst );
}

本教程的代码如下所示，您也可以在此处下载它

import java.awt.BorderLayout;
import java.awt.Container;
import java.awt.Image;
import java.awt.event.ActionEvent;
import java.awt.event.ActionListener;
 
import javax.swing.BoxLayout;
import javax.swing.ImageIcon;
import javax.swing.JComboBox;
import javax.swing.JFrame;
import javax.swing.JLabel;
import javax.swing.JPanel;
import javax.swing.JSlider;
import javax.event.ChangeEvent;
import javax.event.ChangeListener;
 
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.Point;
import org.opencv.core.Size;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
 
public class MorphologyDemo2 {
    private static final String[] MORPH_OP = { "开口运算 ", "闭运算 ", "梯度 ", "顶帽运算 ", "黑帽运算 " };
    private static final int[] MORPH_OP_TYPE = { Imgproc.MORPH_OPEN, Imgproc.MORPH_CLOSE,
Imgproc.MORPH_GRADIENT, Imgproc.MORPH_TOPHAT, Imgproc.MORPH_BLACKHAT };
    private static final String[] ELEMENT_TYPE = { "矩形 ", "十字形 ", "椭圆形 " };
    private static final int MAX_KERNEL_SIZE = 21;
    private Mat matImgSrc;
    private Mat matImgDst = new Mat();
    private int morphOpType = Imgproc.MORPH_OPEN;
    private int elementType = Imgproc.CV_SHAPE_RECT;
    private int kernelSize = 0;
    private JFrame frame;
    private JLabel imgLabel;
 
    public MorphologyDemo2(String[] args) {
String imagePath = args.length > 0 ? args[0] : "../data/LinuxLogo.jpg";
matImgSrc = Imgcodecs.imread(imagePath);
        if (matImgSrc.empty()) {
System.out.println("Empty image: " + imagePath);
System.exit(0);
        }
 
        // 创建并设置窗口。
frame = new JFrame("形态学变换演示");
frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
        // 设置内容窗格。
Image img = HighGui.toBufferedImage(matImgSrc);
addComponentsToPane(frame.getContentPane(), img);
        // 使用内容窗格的默认 BorderLayout。无需
        //setLayout(new BorderLayout());
        // 显示窗口。
frame.pack();
frame.setVisible(true);
    }
 
    private void addComponentsToPane(Container pane, Image img) {
        if (!(pane.getLayout() instanceof BorderLayout)) {
pane.add(new JLabel("容器没有使用 BorderLayout!"));
            return;
        }
 
JPanel sliderPanel = new JPanel();
sliderPanel.setLayout(new BoxLayout(sliderPanel, BoxLayout.PAGE_AXIS));
 
JComboBox<String> morphOpBox = new JComboBox<>(MORPH_OP);
morphOpBox.addActionListener(new ActionListener() {
@Override
            public void actionPerformed(ActionEvent e) {
@SuppressWarnings("unchecked")
JComboBox<String> cb = (JComboBox<String>)e.getSource();
morphOpType = MORPH_OP_TYPE[cb.getSelectedIndex()];
update();
            }
        });
sliderPanel.add(morphOpBox);
 
JComboBox<String> elementTypeBox = new JComboBox<>(ELEMENT_TYPE);
elementTypeBox.addActionListener(new ActionListener() {
@Override
            public void actionPerformed(ActionEvent e) {
@SuppressWarnings("unchecked")
JComboBox<String> cb = (JComboBox<String>)e.getSource();
if (cb.getSelectedIndex() == 0) {
elementType = Imgproc.CV_SHAPE_RECT;
} else if (cb.getSelectedIndex() == 1) {
elementType = Imgproc.CV_SHAPE_CROSS;
} else if (cb.getSelectedIndex() == 2) {
elementType = Imgproc.CV_SHAPE_ELLIPSE;
                }
update();
            }
        });
sliderPanel.add(elementTypeBox);
 
sliderPanel.add(new JLabel("内核大小：2n + 1"));
JSlider slider = new JSlider(0, MAX_KERNEL_SIZE, 0);
slider.setMajorTickSpacing(5);
slider.setMinorTickSpacing(5);
slider.setPaintTicks(true);
slider.setPaintLabels(true);
slider.addChangeListener(new ChangeListener() {
@Override
            public void stateChanged(ChangeEvent e) {
JSlider source = (JSlider) e.getSource();
kernelSize = source.getValue();
update();
            }
        });
sliderPanel.add(slider);
 
pane.add(sliderPanel, BorderLayout.PAGE_START);
imgLabel = new JLabel(new ImageIcon(img));
pane.add(imgLabel, BorderLayout.CENTER);
    }
 
    private void update() {
Mat element = Imgproc.getStructuringElement(elementType, new Size(2 * kernelSize + 1, 2 * kernelSize + 1),
                new Point(kernelSize, kernelSize));
 
Imgproc.morphologyEx(matImgSrc, matImgDst, morphOpType, element);
Image img = HighGui.toBufferedImage(matImgDst);
imgLabel.setIcon(new ImageIcon(img));
frame.repaint();
    }
 
    public static void main(String[] args) {
        // 加载本地 OpenCV 库
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
 
        // 安排事件分派线程的任务
        // 创建并显示本应用程序的 GUI。
javax.swing.SwingUtilities.invokeLater(new Runnable() {
@Override
            public void run() {
                new MorphologyDemo2(args);
            }
        });
    }
}

本教程的代码如下所示。您还可以在这里下载代码

from __future__ import print_function
import cv2 as cv
import numpy as np
import argparse
 
morph_size = 0
max_operator = 4
max_elem = 2
max_kernel_size = 21
title_trackbar_operator_type = 'Operator:\n 0: Opening - 1: Closing \n 2: Gradient - 3: Top Hat \n 4: Black Hat'
title_trackbar_element_type = 'Element:\n 0: Rect - 1: Cross - 2: Ellipse'
title_trackbar_kernel_size = 'Kernel size:\n 2n + 1'
title_window = 'Morphology Transformations Demo'
morph_op_dic = {0: cv.MORPH_OPEN, 1: cv.MORPH_CLOSE, 2: cv.MORPH_GRADIENT, 3: cv.MORPH_TOPHAT, 4: cv.MORPH_BLACKHAT}
 
def morphology_operations(val)
morph_operator = cv.getTrackbarPos(title_trackbar_operator_type, title_window)
morph_size = cv.getTrackbarPos(title_trackbar_kernel_size, title_window)
morph_elem = 0
val_type = cv.getTrackbarPos(title_trackbar_element_type, title_window)
    if val_type == 0
morph_elem = cv.MORPH_RECT
    elif val_type == 1
morph_elem = cv.MORPH_CROSS
    elif val_type == 2
morph_elem = cv.MORPH_ELLIPSE
 
element = cv.getStructuringElement(morph_elem, (2*morph_size + 1, 2*morph_size+1), (morph_size, morph_size))
operation = morph_op_dic[morph_operator]
dst = cv.morphologyEx(src, operation, element)
    cv.imshow(title_window, dst)
 
parser = argparse.ArgumentParser(description='Code for More Morphology Transformations tutorial.')
parser.add_argument('--input', help='Path to input image.', default='LinuxLogo.jpg')
args = parser.parse_args()
 
src = cv.imread(cv.samples.findFile(args.input))
if src is None
print('Could not open or find the image: ', args.input)
exit(0)
 
cv.namedWindow(title_window)
cv.createTrackbar(title_trackbar_operator_type, title_window , 0, max_operator, morphology_operations)
cv.createTrackbar(title_trackbar_element_type, title_window , 0, max_elem, morphology_operations)
cv.createTrackbar(title_trackbar_kernel_size, title_window , 0, max_kernel_size, morphology_operations)
 
morphology_operations(0)
cv.waitKey()

说明

查看 C++ 程序的总体结构
- 加载图像
- 创建一个窗口显示形态学操作的结果
- 创建三个轨迹条让用户输入参数
  - 第一个轨迹条运算符返回要使用的形态学操作的类型 (morph_operator)。
    
    createTrackbar("算子：\n 0：开运算 - 1：闭运算 \n 2：梯度 - 3：顶帽 \n 4：底帽", window_name, &morph_operator, max_operator, Morphology_Operations );
  - 第二个轨迹条元素返回 morph_elem，表示我们的内核是什么类型的结构
    
    createTrackbar( "元素：\n 0：矩形 - 1：十字 - 2：椭圆", window_name,
    
    &morph_elem, max_elem,
    
    Morphology_Operations );
  - 最后一个轨迹条内核大小返回要使用的内核大小 (morph_size)。
    
    createTrackbar( "核尺寸：\n 2n +1", window_name,
    
    &morph_size, max_kernel_size,
    
    Morphology_Operations );
- 每次移动滑块，用户函数 Morphology_Operations 将被调用以执行新的形态学操作，并将根据当前轨迹条值更新输出图像。
  
  void Morphology_Operations( int, void* )
  
  {
  
  // 因为 MORPH_X：2,3,4,5 和 6
  
  int operation = morph_operator + 2;
  
  Mat element = getStructuringElement( morph_elem, Size( 2*morph_size + 1, 2*morph_size+1 ), Point( morph_size, morph_size ) );
  
  morphologyEx( src , dst , operation , element );
  
  imshow( window_name , dst );
  
  }
  
  我们可以观察到执行形态变换的关键函数是 cv::morphologyEx。在此示例中，我们使用四个参数（其余参数保持默认值）
  - src: 源（输入）图像
  - dst: 输出图像
  - operation: 要执行的形态变换类型。请注意，我们有 5 种选择
    - 开启: MORPH_OPEN : 2
    - 关闭: MORPH_CLOSE: 3
    - 梯度: MORPH_GRADIENT: 4
    - 顶帽: MORPH_TOPHAT: 5
    - 黑帽: MORPH_BLACKHAT: 6
    正如你所见，值范围为 <2-6>，这就是为什么我们将轨迹条输入的值加上 (+2)
    int operation = morph_operator + 2;
  - element: 要使用的内核。我们使用函数 cv::getStructuringElement 来定义我们的结构。

结果

编译上述代码后，我们可以通过给定图像路径作为参数来执行它。使用图像的结果：baboon.png

以下是显示窗口的两个快照。第一张图片显示使用十字架内核的开口算子后的输出。第二张图片（右侧）显示了使用椭圆内核的黑顶帽算子的结果。


原始内容作者	Ana Huamán
兼容性	OpenCV >= 3.0

目录

目标

理论

开运算

闭运算

形态学梯度

顶帽

黑帽

代码

说明

结果