OpenCV 形态学操作应用——提取水平与垂直线

dackel 发布于2021-11-22 09:34 / 2143人阅读

摘要：通过使用两个最基本的形态学操作膨胀与腐蚀，使用不同的结构元素实现对输入图像的操作得到想要的结果。

文章目录

原理方法
提取步骤
代码案例

原理方法

图像形态学操作时候，可以通过自定义的结构元素实现结构元素对输入图像一些对象敏感、另外一些对象不敏感，这样就会让敏感的对象改变而不敏感的对象保留输出。

通过使用两个最基本的形态学操作 – 膨胀与腐蚀，使用不同的结构元素实现对输入图像的操作、得到想要的结果。

膨胀，输出的像素值是结构元素覆盖下输入图像的最大像素值
腐蚀，输出的像素值是结构元素覆盖下输入图像的最小像素值

提取步骤

输入图像彩色图像 `imread`

代码如下：

Mat src, dst;src = imread("./test2.jpg");if (!src.data) {	printf("could not load image.../n");	return -1;}imshow("image", src);

转换为灰度图像 – `cvtColor`

代码如下：

Mat gray_src;// 转灰度图cvtColor(src, gray_src, CV_BGR2GRAY);imshow("gray image", gray_src);

转换为二值图像 – `adaptiveThreshold`

函数参数：

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_Cint thresholdType,  // 阈值类型int blockSize,      // 块大小double C // 常量C 可以是正数，0，负数

应用代码如下：

Mat binImg;//转换为二值图像 – adaptiveThresholdadaptiveThreshold(~gray_src, binImg, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);imshow("binary image", binImg);

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 height/30

应用getStructuringElement函数来获取结构元素，这里补充一下该函数相关知识：
结构元形状构造函数getStructuringElement
函数原型：

getStructuringElement( 	int shape, 	Size ksize, 	Point anchor)

参数：

shape：结构元类型：1）MORPH_RECT 表示产生矩形的结构元2）MORPH_ELLIPSEM 表示产生椭圆形的结构元3）MORPH_CROSS 表示产生十字交叉形的结构元ksize：表示结构元的尺寸，即（宽，高），必须是奇数anchor：表示结构元的锚点，即参考点。默认值Point(-1, -1)代表中心像素为锚点

应用代码为：

// 水平结构元素Mat hline = getStructuringElement(MORPH_RECT, Size(xsize, 1), Point(-1, -1));// 垂直结构元素Mat vline = getStructuringElement(MORPH_RECT, Size(1, ysize), Point(-1, -1));// 获取矩形结构元素Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));

开操作（腐蚀+膨胀）：提取水平与垂直线

代码应用如下：

// 提取横线	Mat hbin;	erode(binImg, hbin, hline);	dilate(hbin, dst, hline);	imshow("Row Result", dst);	// 提取竖线	Mat vbin;	// 腐蚀膨胀	erode(binImg, vbin, vline);	dilate(vbin, dst, vline);	imshow("Col Result", dst);	// 矩形	Mat Bbin;	erode(binImg, Bbin, kernel);	dilate(Bbin, dst, kernel);    // 像素取反操作	bitwise_not(dst, dst);	imshow("Final Result", dst);

代码案例

#include #include #include #include#include   using namespace cv;int main(int argc, char** argv) {	Mat src, dst;	src = imread("./test2.jpg");	if (!src.data) {		printf("could not load image.../n");		return -1;	}	imshow("image", src);	char INPUT_WIN[] = "input image";	char OUTPUT_WIN[] = "result image";	Mat gray_src;	// 转灰度图	cvtColor(src, gray_src, CV_BGR2GRAY);	imshow("gray image", gray_src);	Mat binImg;	// 转换为二值图像 – adaptiveThreshold	/*		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		int blockSize,      // 块大小		double C // 常量C 可以是正数，0，负数	*/	adaptiveThreshold(~gray_src, binImg, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);	imshow("binary image", binImg);	// 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 height / 30	int xsize = binImg.cols / 30;	int ysize = binImg.rows / 30;	// 水平结构元素	Mat hline = getStructuringElement(MORPH_RECT, Size(xsize, 1), Point(-1, -1));	// 垂直结构元素	Mat vline = getStructuringElement(MORPH_RECT, Size(1, ysize), Point(-1, -1));	// 矩形	Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));	// 提取横线	Mat hbin;	erode(binImg, hbin, hline);	dilate(hbin, dst, hline);	imshow("Row Result", dst);	// 提取竖线	Mat vbin;	// 腐蚀膨胀	erode(binImg, vbin, vline);	dilate(vbin, dst, vline);	imshow("Col Result", dst);	// 矩形	Mat Bbin;	erode(binImg, Bbin, kernel);	dilate(Bbin, dst, kernel);    // 像素取反操作	bitwise_not(dst, dst);	imshow("Final Result", dst);	waitKey(0);	return 0;}

专线服务服务器托管水平垂直居中 html水平直线标记 linux操作系统应用与安全 webrtc 操作指定应用

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/124066.html

使用深度学习进行自动车牌检测和识别

摘要：在智能设备中，提到了车辆牌照检测和识别系统。道路安全该系统用于检测超过一定速度的车牌，将车牌读取系统与道路雷达耦合。车牌检测为了检测许可证，我们将使用基于卷积神经网络的深度学习对象检测体系结构。为确保正确分割，必须执行初步处理。点击上方小白学视觉，选择加星标或置顶重磅干货，第一时间送...

fsmStudy 2021-09-29 09:34 评论0 收藏0
使用Python，OpenCV进行基本的图像处理——提取红色圆圈轮廓并绘制

摘要：使用，进行基本的图像处理提取红色圆圈轮廓并绘制效果图源码写这篇博客源于博友的提问，想提取图片中的红色圆圈坐标，并绘制封闭的轮廓。还是使用一系列图像处理，得到了比较理想的结果。 ...

Gu_Yan 2021-09-02 15:11 评论0 收藏0
颜色识别、轮廓识别-树莓派 Opencv-基于Python学习记录DAY-4

摘要：它们的补色是黄色为，青色为紫色为饱和度饱和度表示颜色接近光谱色的程度。光谱色的白光成分为，饱和度达到最高。转换图像格式得到滑动条的数值参数第一个参数是滑动条名字，第二个时所在窗口，返回值是滑动条的数值。学习颜色识别之前先介绍一下新认识的图像格式HSV：色调H 用角度度量，取值范围为0°～...

BlackFlagBin 2021-09-27 13:35 评论0 收藏0
OpenCV-Python计算机视觉函数

摘要：如果不设置这个，图片只会一瞬间显示，就消失了。括号里面也可以设置显示时长。目录 1、概述 2、OpenCV基础读取图片 imread 调整显示窗口大小 resizeWindow 调整图像尺寸大小 resize 色彩空间进行转换 cvtColor 绘制线段 line 绘制矩形框 recta...

levius 2021-11-16 11:44 评论0 收藏0
使用 OpenCV 和 Python 识别数字

摘要：使用和识别数字本文演示如何使用和识别图像中的数字。透视变换会给我一个很好的提取。使用识别实际数字将涉及将数字划分为七个部分。使用计算机视觉和识别数字让我们继续开始这个例子。数组中的表示给定的段已打开，零表示该段已关闭。 ...

FleyX 2021-11-11 16:54 评论0 收藏0