erodetion什么意思,opencv中文手册

文章目录1 .侵蚀(白色区域的减少) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) )。 demo效应2 .扩展demo效应3 .形态学改变(组合) 3.1开运算cv:MORPH_OPENdemo效应3.2闭运算cv:MORPH_CLOSEdemo效应3.3形态学梯度：MORPH_TOPHATdemo效果3.5黑帽cv:MORPH_BLACKHATdemo效果4 .自定义内核类型

1 .侵蚀(白色区域减少) ) )。

侵蚀的基本思想就像土壤侵蚀一样，侵蚀前景物体的边界(尽量保持前景白色)。 它们在做什么？ 内核滑动通过图像(2D卷积)。 仅当内核下的所有像素都为1时，原始图像中的一个像素(可以是1或0 )才被视为1。 否则，就会被侵蚀。

结果，根据内核的大小，边界附近的所有像素将被丢弃。 因此，前景物体的厚度和大小会变小，或者只有图像中的白色区域会变小。 如在颜色空间章节中看到的那样，这有助于消除白噪声和分离两个连接的对象。

cv _ exports _ wvoiderode (inputarraysrc，OutputArray dst，InputArray kernel，pointanchor=point(-1，-1)，intititeraray constscalarbordervalue=morphologydefaultbordervalue (对于多通道图像，每个通道都是独立处理的。 @param src //输入图像； 通道数量是任意的，但深度必须为以下CV_8U、CV_16U、CV_16S、CV_32F或CV_64F之一： 输出与@paramdst//src相同大小和类型的图像。 @param kernel//用于腐蚀的结构元素； 如果` element=Mat `，则在` 3 x 3`矩形中使用结构要素。 可以使用#getStructuringElement创建内核。 @param anchor //元素内锚的位置； 默认值(-1，-1)表示锚点位于元素的中心。 @param iterations //加上腐蚀的次数。 @param borderType //像素外推方法请参阅# border types @ parambordervalue//边界不变时的边界值demo int main (cv 33603: named window ) cv : mat src=cv : im read ('./img/liangbaikai.jpg '，1 )； cv:Mat dst； //定制核心cv :3360 matelement=cv : getstructuringelement (cv 33603360 morph _ rect，cv 3360: size (10，10 ) ) cv:3360imshow('src '，src )； cv:3360imshow(dst )、dst )； cv :3360 im write ('./img/dst _ liangbaikai.jpg '，dst )； cv :3360等待密钥(0； }效果原理图：

结果：

2 .扩展它与侵蚀正好相反。 如果内核下至少有一个像素为“1”，则像素元素为“1”。 结果，图像中的白色区域会增加，前景对象也会变大。 通常，在消除噪音的情况下，腐蚀后会膨胀。 因为腐蚀会消除白噪声，但会使物体变小。 于是，我们把它扩充了。 噪音消失了，不会回来了，但是我们的目标区域增加了。 在连接对象的损坏部分时也很有用。

cv _ exports _ wvoiddilate (inputarraysrc，OutputArray dst，InputArray kernel，pointanchor=point(-1，-1)，inti tereri ) constscalarbordervalue=morphologydefaultbordervalue (对于多通道图像，每个通道都是独立处理的。 @param src //输入图像； 通道数量是任意的，但深度必须为以下CV_8U、CV_16U、CV_16S、CV_32F或CV_64F之一： 输出与@paramdst//src相同大小和类型的图像。 如果@param kernel//扩展的结构元素elemenat=Mat ()，则结构元素用于3 x 3的矩形。 可以使用#getStructuringElement在内核@param anchor //元素中创建锚点位置； 默认

值（-1，-1）表示锚点位于元素中心。@param iterations //进行扩张的次数。@param borderType //像素外推方法，请参见#BorderTypes@param borderValue //边界不变时的边界值 demo int main() {cv::namedWindow("src",0);cv::namedWindow("dst", 0);cv::Mat src = cv::imread("./img/liangbaikai.jpg", 1);cv::Mat dst;//获取自定义核 cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));cv::dilate(src,dst,element);cv::imshow("src", src);cv::imshow("dst", dst);cv::imwrite("./img/dst_liangbaikai.jpg", dst);cv::waitKey(0);} 效果

原图：

结果：

3. 形态学变化（组合） CV_EXPORTS_W 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() ); 在多通道图像的情况下，每个通道都是独立处理的。@param src //源图像。通道数可以是任意的。深度应为以下之一CV_8U，CV_16U，CV_16S，CV_32F或CV_64F。@param dst //与源图像大小和类型相同的目标图像。@param op //形态学操作的类型，请参见#MorphTypes@param kernel//构造元素。可以使用#getStructuringElement创建它。@param anchor //锚定在内核中的位置。负值表示锚点位于内核中心。@param iterations //施加腐蚀和膨胀的次数。@param borderType //像素外推方法，请参见#BorderTypes@param borderValue //边界不变时的边界值。默认值有一个特殊的含义。@note迭代次数是将应用腐蚀或膨胀操作的次数。例如，具有两次迭代的开运算（#MORPH_OPEN）等效于应用依次为：腐蚀->腐蚀->膨胀->膨胀（而不是腐蚀->膨胀->腐蚀->膨胀）。 3.1开运算 cv::MORPH_OPEN

开运算就是先侵蚀然后扩张，它对于消除噪音很有用

demo int main() {cv::namedWindow("src",0);cv::namedWindow("dst", 0);cv::Mat src = cv::imread("./img/lbk.jpg", 1);cv::Mat dst;//获取自定义核 cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(10, 10));cv::morphologyEx(src,dst, cv::MORPH_OPEN,element);cv::imshow("src", src);cv::imshow("dst", dst);cv::imwrite("./img/dst_liangbaikai.jpg", dst);cv::waitKey(0);} 效果

原图：

结果：

3.2 闭运算 cv::MORPH_CLOSE

闭运算就是先扩张再侵蚀，在关闭前景对象内部的小孔或对象上的小黑点时很有用。

demo int main() {cv::namedWindow("src",0);cv::namedWindow("dst", 0);cv::Mat src = cv::imread("./img/lbk.jpg", 1);cv::Mat dst;//获取自定义核 cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(10, 10));cv::morphologyEx(src,dst, cv::MORPH_CLOSE,element);cv::imshow("src", src);cv::imshow("dst", dst);cv::imwrite("./img/dst_liangbaikai.jpg", dst);cv::waitKey(0);} 效果

原图：

结果：

3.3 形态学梯度 cv::MORPH_GRADIENT

这是图像扩张和侵蚀之间的区别。结果将看起来像对象的轮廓。

demo int main() {cv::namedWindow("src",0);cv::namedWindow("dst", 0);cv::Mat src = cv::imread("./img/lbk.jpg", 1);cv::Mat dst;//获取自定义核 cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(10, 10));cv::morphologyEx(src,dst, cv::MORPH_GRADIENT,element);cv::imshow("src", src);cv::imshow("dst", dst);cv::imwrite("./img/dst_liangbaikai.jpg", dst);cv::waitKey(0);} 效果

原图：

结果：

3.4 顶帽 cv::MORPH_TOPHAT

它是输入图像和图像开运算之差。

demo int main() {cv::namedWindow("src",0);cv::namedWindow("dst", 0);cv::Mat src = cv::imread("./img/lbk.jpg", 1);cv::Mat dst;//获取自定义核 cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(10, 10));cv::morphologyEx(src,dst, cv::MORPH_TOPHAT,element);cv::imshow("src", src);cv::imshow("dst", dst);cv::imwrite("./img/dst_liangbaikai.jpg", dst);cv::waitKey(0);} 效果

原图：

结果：

3.5 黑帽 cv::MORPH_BLACKHAT

这是输入图像和图像闭运算之差。

demo int main() {cv::namedWindow("src",0);cv::namedWindow("dst", 0);cv::Mat src = cv::imread("./img/lbk.jpg", 1);cv::Mat dst;//获取自定义核 cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(10, 10));cv::morphologyEx(src,dst, cv::MORPH_BLACKHAT,element);cv::imshow("src", src);cv::imshow("dst", dst);cv::imwrite("./img/dst_liangbaikai.jpg", dst);cv::waitKey(0);} 效果

原图：

结果：

4. 自定义内核的种类 CV_EXPORTS_W Mat getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1));enum MorphShapes { MORPH_RECT = 0, //!< a rectangular structuring element: f[E_{ij}=1f] MORPH_CROSS = 1, //!< a cross-shaped structuring element: //!< f[E_{ij} = fork{1}{if i=texttt{anchor.y} or j=texttt{anchor.x}}{0}{otherwise}f] MORPH_ELLIPSE = 2 //!< an elliptic structuring element, that is, a filled ellipse inscribed //!< into the rectangle Rect(0, 0, esize.width, 0.esize.height)}; # 矩形内核cv::getStructuringElement(cv::MORPH_RECT,(5,5)) 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 # 椭圆内核cv::getStructuringElement(cv::MORPH_ELLIPSE,(5,5)) 0 0 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 0 0# 十字内核cv::getStructuringElement(cv::MORPH_CROSS,(5,5)) 0 0 1 0 0 0 0 1 0 0 1 1 1 1 1 0 0 1 0 0 0 0 1 0 0