图像腐蚀、膨胀、基本原理和程序实现

标签：

图像的腐蚀与膨胀

一、原理：

        膨胀和腐蚀这两种操作是形态学处理的基础，许多形态学算法都是以这两种运算为基础的。

定义结构元素B为：

腐蚀处理的结果是使原来的二值图像减小一圈。

二、我再加一个轮廓提取，非常简单的方法：用的是9X9的模板；

#include<opencv2/opencv.hpp>
#include<iostream>
using  namespace cv;
using namespace std;

Mat srcImage, grayImage, binarygray, erosion, dilation, outline;


static void g_erosion(int, void*);
static void g_dilation(int, void*);
static void g_outline(int, void*);
static void ShowHelpText();

int main()
{
	system("color 3f");
	ShowHelpText();

	srcImage = imread("D://vvoo//cell.jpg");
	cvtColor(srcImage, grayImage, CV_RGB2GRAY);

	int threshold;
	cout << "input threshold: " << endl;
	cin >> threshold;

	//二值化
	binarygray = Mat::zeros(grayImage.rows, grayImage.cols, grayImage.type());
	{
		for (int i = 0; i <grayImage.rows; i++)
		{
			for (int j = 0; j < grayImage.cols; j++)
			{
				if (grayImage.data[i*grayImage.step + j] > threshold)
				{
					binarygray.data[i*binarygray.step + j] = 255;
				}
				else
				{
					binarygray.data[i*binarygray.step + j] = 0;
				}
			}
		}
	}
	//腐蚀
	g_erosion(0, 0);
	//膨胀
	g_dilation(0, 0);
	//轮廓提取
	g_outline(0, 0);

	imshow("原图", srcImage);
	imshow("binarygray", binarygray);

	waitKey(0);
	return 0;
}
static void g_erosion(int, void*)
{
	erosion = Mat::zeros(binarygray.rows, binarygray.cols, binarygray.type());
	{
		for (int i = 1; i < binarygray.rows; i++)
		{
			for (int j = 1; j < binarygray.cols; j++)
			{
				if (binarygray.data[(i - 1)*binarygray.step + j] + binarygray.data[(i - 1)*binarygray.step + j + 1] + binarygray.data[i*binarygray.step + j + 1] == 0)
				{
					erosion.data[i*erosion.step + j] = 0;
				}
				else
				{
					erosion.data[i*erosion.step + j] = 255;
				}
			}

		}

	}
	imshow("erosion_1", erosion);
}
static void g_dilation(int, void*)
{
	dilation = Mat::zeros(binarygray.rows, binarygray.cols, binarygray.type());

	for (int i = 1; i < binarygray.rows; i++)
	{
		for (int j = 1; j < binarygray.cols; j++)
		{
			if (binarygray.data[(i - 1)*binarygray.step + j] == 0 || binarygray.data[(i - 1)*binarygray.step + j - 1] == 0 || binarygray.data[i*binarygray.step + j + 1] == 0)
			{
				dilation.data[i*dilation.step + j] = 0;
			}
			else
			{
				dilation.data[i*dilation.step + j] = 255;
			}
		}

	}

	imshow("dilation_1", dilation);
}
static void g_outline(int, void*)
{
	outline = Mat::zeros(binarygray.rows, binarygray.cols, binarygray.type());

	for (int i = 1; i < binarygray.rows; i++)
	{
		for (int j = 1; j < binarygray.cols; j++)
		{
			if (binarygray.data[i*binarygray.step + j + 1] + binarygray.data[(i - 1)*binarygray.step + j]
				+ binarygray.data[i*binarygray.step + j - 1] + binarygray.data[(i - 1)*binarygray.step + j - 1]
				+ binarygray.data[(i + 1)*binarygray.step + j - 1] + binarygray.data[(i + 1)*binarygray.step + j]
				+ binarygray.data[(i - 1)*binarygray.step + j + 1] + binarygray.data[(i + 1)*binarygray.step + j + 1] == 2040)
			{
				outline.data[i*erosion.step + j] = 255;
			}
			if (binarygray.data[i*binarygray.step + j + 1] + binarygray.data[(i - 1)*binarygray.step + j]
				+ binarygray.data[i*binarygray.step + j - 1] + binarygray.data[(i - 1)*binarygray.step + j - 1]
				+ binarygray.data[(i + 1)*binarygray.step + j - 1] + binarygray.data[(i + 1)*binarygray.step + j]
				+ binarygray.data[(i - 1)*binarygray.step + j + 1] + binarygray.data[(i + 1)*binarygray.step + j + 1] == 0)
			{
				outline.data[i*erosion.step + j] = 255;
			}
		}


	}
	imshow("outline", outline);
}
static void ShowHelpText()
{
	cout << "\n\n本程序涉及到："<<"腐蚀（erosion）、膨胀（dilation)、轮廓提取（outline）。\n\n" << endl;
}

五、调用Opencv的erode()函数和dilate()函数实现腐蚀和膨胀功能

1）erode函数，使用像素邻域内的局部极小运算符来腐蚀一张图片，从src输入，由dst输出。支持就地（in-place）操作。

看一下函数原型：

 void erode(
  InputArray src,
  OutputArray dst,
  InputArray kernel,
  Point anchor=Point(-1,-1),
  int iterations=1,
  int borderType=BORDER_CONSTANT,
  const Scalar& borderValue=morphologyDefaultBorderValue()
 );

• 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像通道的数量可以是任意的，但图像深度应为CV_8U，CV_16U，CV_16S，CV_32F或 CV_64F其中之一。
• 第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。
• 第三个参数，InputArray类型的kernel，腐蚀操作的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。（具体看上文中浅出部分dilate函数的第三个参数讲解部分）
• 第四个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于单位（element）的中心，我们一般不用管它。
• 第五个参数，int类型的iterations，迭代使用erode（）函数的次数，默认值为1。
• 第六个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。
• 第七个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。

同样的，使用erode函数，一般我们只需要填前面的三个参数，后面的四个参数都有默认值。而且往往结合getStructuringElement一起使用。

2）dilate函数原型

函数原型：

C++: void dilate(
  InputArray src,
  OutputArray dst,
  InputArray kernel,
  Point anchor=Point(-1,-1),
  int iterations=1,
  int borderType=BORDER_CONSTANT,
  const Scalar& borderValue=morphologyDefaultBorderValue() 
);

参数详解：

• 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像通道的数量可以是任意的，但图像深度应为CV_8U，CV_16U，CV_16S，CV_32F或 CV_64F其中之一。
• 第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。
• 第三个参数，InputArray类型的kernel，膨胀操作的核。若为NULL时，表示的是使用参考点位于中心3x3的核。

我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵。其中，getStructuringElement函数的第一个参数表示内核的形状，我们可以选择如下三种形状之一:

矩形: MORPH_RECT

• 交叉形: MORPH_CROSS
• 椭圆形: MORPH_ELLIPSE

而getStructuringElement函数的第二和第三个参数分别是内核的尺寸以及锚点的位置。

#include<opencv2/opencv.hpp>
#include<iostream>
using  namespace cv;
using namespace std;

#define WINDOWN_NAME_1 "原图"
#define WINDOWN_NAME_2 "腐蚀图"
#define WINDOWN_NAME_3 "膨胀图"

int main()
{
	Mat srcImage = imread("D://vvoo//cell.jpg");

	//获取自定义核
	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
	Mat out_erosion, out_dilate;

	//进行膨胀操作
	erode(srcImage, out_erosion, element);
	dilate(srcImage, out_dilate, element);

	imshow(WINDOWN_NAME_1, srcImage);
	imshow(WINDOWN_NAME_2, out_erosion);
	imshow(WINDOWN_NAME_3, out_dilate);

	waitKey(0);
	return 0;

}

4）运行结果

和自己写的比较下比较一下，差别比较大，主要是因为结构元素大小的关系，我的是2*2，Opencv是15*15的。

我也是初学者，欢迎纠正！

六、参考资料

1.system("color 3f");//输出窗口和字体颜色可变化，3代表窗口颜色（绿色），f代表窗口里字体颜色（白色）

全部颜色为：

2.图像腐蚀、膨胀、细化基本原理

3. 形态学图像处理(一): 膨胀与腐蚀

图像腐蚀、膨胀、基本原理和程序实现

标签：

原文地址：http://blog.csdn.net/qq_29540745/article/details/51931770