Note

以下内容来自于Bradski和Kaehler的大作 Learning OpenCV 。

• 腐蚀 (Erosion)
• 膨胀 (Dilation)

开运算 (Opening)

• 开运算是通过先对图像腐蚀再膨胀实现的。

  

• 能够排除小团块物体(假设物体较背景明亮)

• 请看下面，左图是原图像，右图是采用开运算转换之后的结果图。 观察发现字母拐弯处的白色空间消失。

  

闭运算(Closing)

• 闭运算是通过先对图像膨胀再腐蚀实现的。

  

• 能够排除小型黑洞(黑色区域)。

  

形态梯度(Morphological Gradient)

• 膨胀图与腐蚀图之差

  

• 能够保留物体的边缘轮廓，如下所示:

  

顶帽(Top Hat)

• 原图像与开运算结果图之差

  

  

黑帽(Black Hat)

• 闭运算结果图与原图像之差

  

  

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>using namespace cv;/// 全局变量
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;char* window_name = "Morphology Transformations Demo";/** 回调函数申明 */
void Morphology_Operations( int, void* );/** @函数 main */
int main( int argc, char** argv )
{/// 装载图像src = imread( argv[1] );if( !src.data ){ return -1; }/// 创建显示窗口namedWindow( window_name, CV_WINDOW_AUTOSIZE );/// 创建选择具体操作的 trackbarcreateTrackbar("Operator:\n 0: Opening - 1: Closing \n 2: Gradient - 3: Top Hat \n 4: Black Hat", window_name, &morph_operator, max_operator, Morphology_Operations );/// 创建选择内核形状的 trackbarcreateTrackbar( "Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name,&morph_elem, max_elem,Morphology_Operations );/// 创建选择内核大小的 trackbarcreateTrackbar( "Kernel size:\n 2n +1", window_name,&morph_size, max_kernel_size,Morphology_Operations );/// 启动使用默认值Morphology_Operations( 0, 0 );waitKey(0);return 0;}/**
  * @函数 Morphology_Operations
  */
void Morphology_Operations( int, void* )
{// 由于 MORPH_X的取值范围是: 2,3,4,5 和 6int operation = morph_operator + 2;Mat element = getStructuringElement( morph_elem, Size( 2*morph_size + 1, 2*morph_size+1 ), Point( morph_size, morph_size ) );/// 运行指定形态学操作morphologyEx( src, dst, operation, element );imshow( window_name, dst );}