关于 JAVA 学习 OpenCV 的内容，函数讲解，案例代码内容我均整理在 GitHub【OpenCV3-Study-JAVA 】上

下面代码中所需的项目结构，图片，请访问 GitHub 获取。

代码展示

package opencv;

import opencv.base.OpenCVStudyBase;

import org.junit.Test;

import org.opencv.core.*;

import org.opencv.imgcodecs.Imgcodecs;

import org.opencv.imgproc.Imgproc;

import java.util.ArrayList;

import java.util.List;

/**

* @Author : alexliu

* @Description : 主要学习

* 1. 图像腐蚀

* 2. 图像膨胀

* 3. 查找条形码案例

*/

public class StudyTest_8 extends OpenCVStudyBase{

/*

* 腐蚀，膨胀都属于形态学滤波。

*

* 数学形态学中，基本的运算有：

* 二值腐蚀和膨胀

* 二值开闭运算

* 骨架抽取

* 极限腐蚀

* 灰值腐蚀和膨胀

* 灰值开闭运算

* 灰值形态学梯度

* .....

*

*

* 腐蚀，膨胀的主要功能如下：

* 1. 消除噪声

* 2. 分割(isolate)出独立的图像元素，在图像中连接(join)相邻的元素

* 3. 寻找图像中的明显的极大值区域或极小值区域

* 4. 求出图像的梯度

*

* 注意：

* 腐蚀和膨胀仅针对`图像高亮`区域进行操作。

*

*/

private String save_dir = "study-output/study-opencv-8";

/*

* 如何创建腐蚀、膨胀操作的核

*

* 腐蚀和膨胀均有一个 Mat kernel 参数。这个参数就是腐蚀/膨胀操作的核，它是一个矩阵结构元素(Mat)

* OpenCV 在 Imgproc 包中，提供了 getStructuringElement 的函数，来方便创建腐蚀/膨胀的核

*

* getStructuringElement 原型方法:

* getStructuringElement(int shape, Size ksize, Point anchor)

* getStructuringElement(int shape, Size ksize)

*

* 参数：

* shape : Integer 核的结构类型

* -- C++ 有四种(多一个用户自定义)，其他语言3种

* -- MORPH_RECT , 一个矩形结构元素

* -- MORPH_ELLIPSE , 一个椭圆结构元素

* -- MORPH_CROSS , 一个十字形结构元素

* ksize : Size 结构元素的大小

* anchor : Point 元素中瞄点的位置。默认值 (-1,-1)表示在元素的中心位置。注意：只有十字形结构元素依赖瞄点，其他形状类型仅仅影响结果的偏移。

*

* 原文：

* shape – Element shape that could be one of the following:

* MORPH_RECT - a rectangular structuring element

* MORPH_ELLIPSE - an elliptic structuring element, that is, a filled ellipse inscribed into the rectangle Rect(0, 0, esize.width, 0.esize.height)

* MORPH_CROSS - a cross-shaped structuring element

* CV_SHAPE_CUSTOM - custom structuring element (OpenCV 1.x API)

* ksize – Size of the structuring element.

* anchor – Anchor position within the element. The default value (-1, -1) means that the anchor is at the center.

* Note that only the shape of a cross-shaped element depends on the anchor position.

* In other cases the anchor just regulates how much the result of the morphological operation is shifted.

*/

/*

* ------------------------------------------------------------------------------------------------------------

*

* 腐蚀

*

* 1. 腐蚀说明：

* 图像的一部分区域与指定的核进行卷积，求核的最`小`值并赋值给指定区域。

* 腐蚀可以理解为图像中`高亮区域`的'领域缩小'。

* 意思是高亮部分会被不是高亮部分的像素侵蚀掉，使高亮部分越来越少。

*

* 2. 腐蚀函数(erode)

* erode 有3个原型方法

*

* erode(Mat src, Mat dst, Mat kernel, Point anchor, int iterations, int borderType, Scalar borderValue)

* erode(Mat src, Mat dst, Mat kernel, Point anchor, int iterations)

* erode(Mat src, Mat dst, Mat kernel)

*

* 参数：

* src : Mat 输入图像 对通道数无要求，但是 depth 必须是 CV_8U、CV_16U、CV_16S、CV_32F、CV_64F 之一

* dst : Mat 输出图像，与原图以上的尺寸与类型

* kernel : Mat 膨胀操作的核 ， null 时表示以当前像素为中心 3x3 为单位的核

* 一般使用函数 Imgproc.getStructuringElement 来创建核。该函数会返回指定形状或尺寸的矩阵结构元素。

* anchor : Point 瞄点。根据 kernel(核)，处理每个核的某个点。 (-1,-1)代表取这个核的中心位置。

* interations : Integer 迭代 dilate(膨胀)的次数，默认 1 。。

* borderType : Integer 推断图像外部像素的某种边界模式，一般不需要这个参数。

* borderValue : Scalar 当 borderType 值为常数时，区域的颜色一般不用管，

*

* 腐蚀，一般不需要borderType，borderValue，均有默认值。如果需要使用，可参考官网获取更多信息

*

* ------------------------------------------------------------------------------------------------------------

*/

/**

* 图像腐蚀处理

* 不做任何处理的图片

*/

@Test

public void testErodeNomal(){

Mat sourceImage = Imgcodecs.imread(p_test_file_path + "/shufa.png");

//Mat sourceImage = Imgcodecs.imread(test_file_path + "/5cent.jpg",Imgcodecs.CV_LOAD_IMAGE_GRAYSCALE);

// size 越小，腐蚀的单位越小，图片越接近原图

Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT,new Size(30,30));

Mat outImage = new Mat();

//开始腐蚀

Imgproc.erode(sourceImage,outImage,structImage);

this.saveImage(this.save_dir + "/image_process_erode_nomal.png",outImage);

}

/**

* 图像腐蚀处理

* 灰度处理的图片

*/

@Test

public void testErodeGray(){

// 由于shufa.png 背景为白色，字体为黑色，在灰度的0-255显示范围，看不出变化

// 所以我们换一个背景图不是白色的。

Mat sourceImage = Imgcodecs.imread(p_test_file_path + "/shufa-1.jpg",Imgcodecs.CV_LOAD_IMAGE_GRAYSCALE);

Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_ELLIPSE,new Size(30,30));

Mat outImage = new Mat();

Imgproc.erode(sourceImage,outImage,structImage);

this.saveImage(this.save_dir + "/image_process_erode_gray.png",outImage);

}

/**

* 图像腐蚀处理

* 二值化处理的图片

*/

@Test

public void testErodeThreshold() {

Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/shufa.png");

//二值化处理 cv_8uc1 8位单通道格式

Mat binaryMat = new Mat(sourceImage.height(), sourceImage.width(), CvType.CV_8UC1);

Imgproc.threshold(sourceImage, binaryMat,100, 200, Imgproc.THRESH_BINARY);

Mat outImage = new Mat();

//图像腐蚀

Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(30,30));

Imgproc.erode(binaryMat, outImage, structImage);

this.saveImage(this.save_dir + "/image_process_erode_threshold.png",outImage);

}

/*

* ------------------------------------------------------------------------------------------------------------

*

* 膨胀

*

* 1. 膨胀说明：

* 图像的一部分区域与指定的核进行卷积，求核的最`大`值并赋值给指定区域。

* 膨胀可以理解为图像中`高亮区域`的'领域扩大'。

* 意思是高亮部分会侵蚀不是高亮的部分，使高亮部分越来越多。

*

* 2. 膨胀函数(dilate)

* dilate 有3个原型方法

*

* dilate(Mat src, Mat dst, Mat kernel, Point anchor, int iterations, int borderType, Scalar borderValue)

* dilate(Mat src, Mat dst, Mat kernel, Point anchor, int iterations)

* dilate(Mat src, Mat dst, Mat kernel)

*

* 参数：

* src : Mat 输入图像 对通道数无要求，但是 depth 必须是 CV_8U、CV_16U、CV_16S、CV_32F、CV_64F 之一

* dst : Mat 输出图像，与原图以上的尺寸与类型

* kernel : Mat 膨胀操作的核 ， null 时表示以当前像素为中心 3x3 为单位的核

* 一般使用函数 Imgproc.getStructuringElement 来创建核。该函数会返回指定形状或尺寸的矩阵结构元素。

* anchor : Point 瞄点。根据 kernel(核)，处理每个核的某个点。 (-1,-1)代表取这个核的中心位置。

* interations : Integer 迭代 dilate(膨胀)的次数，默认 1 。。

* borderType : Integer 推断图像外部像素的某种边界模式，一般不需要这个参数。

* borderValue : Scalar 当 borderType 值为常数时，区域的颜色一般不用管，

*

* 膨胀，一般不需要borderType，borderValue，均有默认值。如果需要使用，可参考官网获取更多信息

*

* ------------------------------------------------------------------------------------------------------------

*/

/**

* 图像膨胀处理

* 不做任何处理的图片

*/

@Test

public void testDilateNomal(){

Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/shufa.png");

Mat outImage = new Mat();

//图像腐蚀

Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(30,30));

Imgproc.dilate(sourceImage, outImage, structImage);

this.saveImage(this.save_dir + "/image_process_dilate_nomal.png",outImage);

}

/**

* 图像膨胀处理

* 灰度处理的图片

*/

@Test

public void testDilateGray(){

Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/shufa-1.jpg",Imgcodecs.CV_LOAD_IMAGE_GRAYSCALE);

Mat outImage = new Mat();

//图像腐蚀

Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(30,30));

Imgproc.dilate(sourceImage, outImage, structImage);

this.saveImage(this.save_dir + "/image_process_dilate_gray.png",outImage);

}

/**

* 图像膨胀处理

* 二值化处理的图片

*/

@Test

public void testDilateThreshold() {

Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/shufa.png");

//二值化处理 cv_8uc1 8位单通道格式

Mat binaryMat = new Mat(sourceImage.height(), sourceImage.width(), CvType.CV_8UC1);

Imgproc.threshold(sourceImage, binaryMat,100, 200, Imgproc.THRESH_BINARY);

Mat outImage = new Mat();

//图像腐蚀

Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(30,30));

Imgproc.dilate(binaryMat, outImage, structImage);

this.saveImage(this.save_dir + "/image_process_dilate_threshold.png",outImage);

}

/**

* 查找条形码案例

*

* 步骤：

* 1. 读取灰值图

* 2. 图像模糊，降噪

* 3. 图像二值化

* 4. 腐蚀图像，通过腐蚀过滤掉不是竖线的的区域

* 5. 膨胀图像，将腐蚀过的线条数据通过膨胀放大

* 6. 继续用矩形核膨胀图像，使线条链接成矩形图像

* 7. 查找轮廓

* 8. 对比所有轮廓，过滤掉宽度小于200，偏斜角<2度的矩形图像

* 9. 找到图像并截取

*/

@Test

public void testFindLineCode() {

//读取灰值图

Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/tiaoma.png",Imgcodecs.CV_LOAD_IMAGE_GRAYSCALE);

//图像高斯模糊

Mat gsMat = Mat.ones(sourceImage.size(),sourceImage.type());

Imgproc.GaussianBlur(sourceImage,gsMat,new Size(5,5),0,0);

this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-1.png",gsMat);

//图像二值化，adaptiveThreshold 后面再二值化的专题里讲解

Mat thresh_image = Mat.ones(sourceImage.size(),sourceImage.type());

// C 负数，取反色，超过阈值的为黑色，其他为白色

Imgproc.adaptiveThreshold(gsMat, thresh_image,255, Imgproc.ADAPTIVE_THRESH_MEAN_C, Imgproc.THRESH_BINARY,7,-2);

this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-2.png",thresh_image);

//创建输出图像，后续的操作都是这个图像

Mat outImage = new Mat();

/*

* 图像腐蚀操作

*

* width=2 ，height=20 在腐蚀的时候，排除大多数细的垂直线。

* 这个参数不易设置过大，可以通过多次腐蚀来达到排除的效果。

*

* ----------------------------------------------------------------------------------

* 注意 width、height 需根据图像的大小来设置。

*

* 比如我这里的示例图片大小是 1271(width)x648(height)。 我通过比较20是比较理想的值。

* 但是20 并比适用比示例图小或大的图像。所以在设置这个参数前，需要根据图像大小来调整。

*

* && 这个值没有固定、动态的大小，不要期望自动设置，除非接入 AI 来学习。 &&

*

* 但是我们加入到自己工程的业务里，我们处理的图片通常都是固定的几个图像大小

*

* 比如摄像头获取图像，可以指定 500x500

* 比如扫描仪获取图像，可以指定 KPI 大小，那么获取到的同等材质(如 A4大小)的数码图片大小也是一样的。

* 比如数码照片，在不同模式下照片大小是一致的，可以根据图片信息分类。

*

* 所以，自己根据自己业务经常处理的图片来设置一个比例参数 ，通过 sourceImage.heigth()*xParam 来获取这个参数即可。

* ----------------------------------------------------------------------------------

*/

Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(2,20));

Imgproc.erode(thresh_image, outImage, structImage,new Point(-1,-1),3); //腐蚀了3次

this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-3.png",outImage);

// 在用腐蚀的图像，进行膨胀，将线条加粗

Imgproc.dilate(outImage, outImage, structImage,new Point(-1,-1),3); // 这里同样进行了3次膨胀

this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-4.png",outImage);

/*

* 这里我划定了一个10x5 的矩形整列。来将剩余的线条通过膨胀连成区域。

* 范围同样不宜过大或过小。

* 过大：膨胀区域增大，最终结果图像干扰太多

* 过小：膨胀区域减少，可满足的条件过多，造成不容易连成一个整理区域。

*/

// 再次膨胀，使其连成区域

structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(10,5));

Imgproc.dilate(outImage, outImage, structImage,new Point(-1,-1),3);

this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-5.png",outImage);

/*

* findContours 找轮廓

*

* 原型方法：

*

* findContours(Mat image, List contours, Mat hierarchy, int mode, int method, Point offset)

*

* image : Mat 是输入图像，图像的格式是8位单通道的图像，并且被解析为二值图像(即图中的所有非零像素之间都是相等的)。

* coutours : List 输出的轮廓数组，所有找到的轮廓都会放在这个数组中。MatOfPoint代表这个对象存储了轮廓的`点`数据

* hierarchy : Mat 这个参数可以指定，也可以不指定。

* 如果指定的话，输出hierarchy，将会描述输出轮廓树的结构信息。

* 0号元素表示下一个轮廓(同一层级)；

* 1号元素表示前一个轮廓(同一层级)；

* 2号元素表示第一个子轮廓(下一层级)；

* 3号元素表示父轮廓(上一层级)

* mode : Integer 轮廓的模式，将会告诉OpenCV你想用何种方式来对轮廓进行提取，有四个可选的值：

* CV_RETR_EXTERNAL (0)：表示只提取最外面的轮廓；

* CV_RETR_LIST (1)：表示提取所有轮廓并将其放入列表；

* CV_RETR_CCOMP (2):表示提取所有轮廓并将组织成一个两层结构，其中顶层轮廓是外部轮廓，第二层轮廓是“洞”的轮廓；

* CV_RETR_TREE (3)：表示提取所有轮廓并组织成轮廓嵌套的完整层级结构。

* method : Integer 轮廓如何呈现的方法，有三种可选的方法：

* CV_CHAIN_APPROX_NONE (1)：将轮廓中的所有点的编码转换成点；

* CV_CHAIN_APPROX_SIMPLE (2)：压缩水平、垂直和对角直线段，仅保留它们的端点；

* CV_CHAIN_APPROX_TC89_L1 (3)or CV_CHAIN_APPROX_TC89_KCOS(4)：应用Teh-Chin链近似算法中的一种风格

* offset : Point 可选，如果指定了点偏移，那么返回的轮廓中的所有点均作指定量的偏移

*/

List contours = new ArrayList();

Mat hierarchy = new Mat();

Imgproc.findContours(outImage,contours,hierarchy, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE,new Point(0,0));

// 根据轮廓可以找到的形状数组

// Rect[] boundRect = new Rect[contours.size()];

// 循环找到的所有轮廓

for(int i = 0; i < contours.size();i++) {

//将轮廓保存为区域

// boundRect[i] = Imgproc.boundingRect(contours.get(i));

// System.out.println(boundRect[i].tl());

// System.out.println(boundRect[i].br());

// 获取轮廓内，最小外包矩形

RotatedRect min = Imgproc.minAreaRect(new MatOfPoint2f(contours.get(i).toArray()));

//偏转角度

if(min.angle < 2){

//获取一个矩形

Rect minRect = min.boundingRect();

//将宽度<200的排除

if( ( minRect.br().x - minRect.tl().x ) > 200 ){

//截取

Mat code = sourceImage.submat(minRect);

this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-code-"+i+".png",code);

}

//在原图上把该矩形表示出来

Imgproc.rectangle(sourceImage, minRect.tl(), minRect.br(), new Scalar(0, 255, 0), 1, Imgproc.LINE_AA, 0);

}

}

//输出原图

this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-6.png",sourceImage);

}

}

部分结果展示

膨胀 dilate

原图：

膨胀后：

腐蚀 erode

获取条形码

获取条形码的效果可能不是最好，方法也不是最好的，只是我学到这里的一些积累。只是抛出一种方法而已。

广告栏： 欢迎关注我的 个人博客