小白导读

学习计算机视觉最重要的能力应该就是编程了，为了帮助小伙伴尽快入门计算机视觉，小白准备了【OpenCV入门】系列。新的一年文章的内容进行了很大的完善，主要是借鉴了更多大神的文章，希望让小伙伴更加容易理解。如果小伙伴觉得有帮助，请点击一下文末的“好看”鼓励一下小白。

关于形态学的基本操作，上一篇文章已经进行了讲解，遗忘的小伙伴可以回去查看一下→形态学基本操作

提取步骤

• 输入图像彩色图像 imread

• 转换为灰度图像 – cvtColor

• 转换为二值图像 – adaptiveThreshold

相关函数

adaptiveThreshold(Mat src,Mat dest,double maxValue,int adaptiveMethod,int thresholdType,int blockSize,double C)

• src：输入的灰度图像

• dest：二值图像

• maxValue：二值图像最大值

• adaptiveMethod：自适应方法( ADAPTIVE_THRESH_MEAN_C ，ADAPTIVE_THRESH_GAUSSIAN_C)

• thresholdType：阈值类型

• blockSize：块大小

• C：常量C 可以是正数，0，负数

• 定义结构元素

一个像素宽的水平线——水平长度width/30

一个像素宽的垂直线——垂直长度width/30

• 开操作 (腐蚀+膨胀)提取 水平与垂直线

程序代码

#include#includeusing namespace cv;

int main(int argc,char** argv){  //1、加载源图像，并检查它是否加载成功，然后显示它：  Mat src = imread("E:/Experiment/OpenCV/Pictures/paint1.jpg");  if(src.empty()){    printf("Could not load Image ...");    return -1;  }  namedWindow("1.input",CV_WINDOW_AUTOSIZE);  imshow("1.input",src);  //2、如果图像不是灰度图像转换为灰度图像：  Mat gray_src;  if (src.channels() == 3)     cvtColor(src,gray_src,CV_BGR2GRAY);  else      gray_src = src;  imshow("2.Gray Image",gray_src);  //3、然后将灰度图像转换为二值化。注意~符号表明我们使用逆操作后版本(即bitwise_not)：  Mat binary_src;  /*        adaptiveThreshold( // 局部自适应阈值            Mat src, // 输入的灰度图像            Mat dest, // 二值图像            double maxValue, // 二值图像最大值            int adaptiveMethod // 自适应方法，只能其中之一 –                                 // ADAPTIVE_THRESH_MEAN_C ， ADAPTIVE_THRESH_GAUSSIAN_C             int thresholdType,// 阈值类型 THRESH_BINARY THRESH_BINARY_INV  阈值 T = sum(blockSize X blockSize的像素平均值) - 常量C            int blockSize, // 块大小，只能为奇数，取图像宽或高的 1/4 到 1/6 之间? 要确保足够大?            double C // 常量C 可以是正数，0，负数   ，让结果变得更亮一点 更大一点?        )    */  adaptiveThreshold(~gray_src, binary_src, 255, CV_ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);  imshow("3.binary Image", binary_src);

  //4、以提取水平和垂直线，作为从图像中分离的结果，但首先让我们初始化的输出图像：  Mat horizontal = binary_src.clone();  Mat vertical = binary_src.clone();

  //5、为了提取我们所希望的对象，我们需要创建相应的结构元素。由于这里我们要提取水平线，一个相应的结构元素有以下形状：  int horizontalsize = horizontal.cols / 30;  Mat horizontalStructure = getStructuringElement(MORPH_RECT, Size(horizontalsize,1));  erode(horizontal, horizontal, horizontalStructure, Point(-1, -1));  dilate(horizontal, horizontal, horizontalStructure, Point(-1, -1));  imshow("4.1. horizontal", horizontal);

  //6、 垂直线条的的用法也是这样，相应的结构元素如下:  int verticalsize = vertical.rows / 30;  Mat verticalStructure = getStructuringElement(MORPH_RECT, Size( 1,verticalsize));  erode(vertical, vertical, verticalStructure, Point(-1, -1));  dilate(vertical, vertical, verticalStructure, Point(-1, -1));  imshow("4.2. vertical", vertical);

  //7、图像的边缘是有点粗糙的。由于这个原因，我们需要光顺处理边缘，以获得更平滑的结果   // Inverse vertical image  bitwise_not(vertical, vertical);  imshow("5. vertical_bit", vertical);  // Extract edges and smooth image according to the logic  // 1. extract edges  // 2. dilate(edges)  // 3. src.copyTo(smooth)  // 4. blur smooth img  // 5. smooth.copyTo(src, edges)  // Step 1  Mat edges;  adaptiveThreshold(vertical, edges, 255, CV_ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 3, -2);  imshow("6.1. edges", edges);  // Step 2  Mat kernel = Mat::ones(2, 2, CV_8UC1);  dilate(edges, edges, kernel);  imshow("6.2. dilate", edges);  // Step 3  Mat smooth;  vertical.copyTo(smooth);  // Step 4  blur(smooth, smooth, Size(2, 2));  // Step 5  smooth.copyTo(vertical, edges);  // Show final result  imshow("6.3. smooth", vertical);

  waitKey(0);  return 0;}

运行结果

主要借鉴”Madcola“和”Micheal超“两位大神的文章。两位大神的博客主页是：

https://www.cnblogs.com/skyfsm/(Madcola)

https://blog.csdn.net/qq_42887760(Micheal超)

结束语

由于时间和文章篇幅有限，本次总结先到这里，下次小白会为小伙伴们带来OpenCV的角点检测，各位小伙伴敬请期待。如果小伙伴觉得本文对自己有帮助，请帮忙点击一下右下角的“好看”，鼓励一下小白。

往期文章一览

1、助力2019剩余2/3时光

2、影响机器视觉的场景因素有哪些

3、SLAM实习生面试基础知识总结

4、如何让黑白相片恢复生机

5、我竟然用OpenCV实现了卡尔曼滤波

6、【走进OpenCV】滤波代码原来这么写

7、【走进OpenCV】这样腐蚀下来让我膨胀

8、小心！你看到的图像可能隐藏了重大机密