IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> OpenCV形态学操作(腐蚀,膨胀,形态学变换)C++ -> 正文阅读

[人工智能]OpenCV形态学操作(腐蚀,膨胀,形态学变换)C++

先补两个滤波方法

双边滤波:

使用bilateralFilter函数,需要填五个参数,大家可以尝试对后三个参数使用trackbar调参,观察图像的变化。

?图片效果朦胧梦幻,毕竟双边滤波是非线性滤波方法

代码:

#include<opencv2/opencv.hpp>
using namespace cv;
int main()
{
    Mat img=imread("../xiao.jpg"),tmp;
    //cvtColor(img,img,COLOR_BGR2GRAY);
    printf("%d %d\n",img.type(),CV_8UC3);
    bilateralFilter(img,tmp,30,123,123);
    imshow("img",img);
    imshow("tmp",tmp);
    waitKey(0);
    return 0;
}

通用线性滤波:

使用filter2D,第三个参数尽量填img.depth(),第四个参数为自定义的卷积核

?用(0,-1,0 ; -1,5,-1 ; 0,1,0)卷积和可以让图像锐化,边界更加显眼了

#include<opencv2/opencv.hpp>
using namespace cv;
int main()
{
    Mat img=imread("../xiao.jpg"),tmp;
    //cvtColor(img,img,COLOR_BGR2GRAY);
    Mat kernel=(Mat_<char>(3,3) << 0,-1,0,
                                  -1,5,-1,
                                   0,-1,0);
    filter2D(img,tmp,img.depth(),kernel);
    imshow("img",img);
    imshow("tmp",tmp);
    waitKey(0);
    return 0;
}

图像腐蚀

直接使用erode函数,第一个参数输入Mat,第二个参数输出Mat,第三个参数kernel

kernel需要使用getStructuringElement函数来获得

而getStructuringElement函数需要两个参数

第一个参数有三种选择:MORPH_RECT(矩形),MORPH_CROSS(交叉形),MORPH_ELLIPSE(椭圆形)

第二个参数就是Size(a,b),即形状的长宽尺寸

代码:

#include<opencv2/opencv.hpp>
using namespace cv;
int main()
{
    Mat img=imread("../xiao.jpg"),tmp;
    Mat kern=getStructuringElement(MORPH_RECT,Size(3,3));
    erode(img,tmp,kern);
    imshow("img",img);
    imshow("erode_rect",tmp);
    waitKey(0);
    return 0;
}

效果:(感觉线条变粗了,这真的是腐蚀吗?)(555555魈被腐蚀了)

图像膨胀

直接使用dilate函数,与erode的格式一样,不再赘述

代码:

#include<opencv2/opencv.hpp>
using namespace cv;
int main()
{
    Mat img=imread("../xiao.jpg"),tmp;
    Mat kern=getStructuringElement(MORPH_RECT,Size(3,3));
    dilate(img,tmp,kern);
    imshow("img",img);
    imshow("dilate_rect",tmp);
    waitKey(0);
    return 0;
}

效果:(感觉这个效果更接近腐蚀的意思吧。。。)

图像腐蚀膨胀的一些用途

详见博客:http://mangoroom.cn/opencv/opencv-learning-erode.html

一般都是先腐蚀后膨胀

可用于消除噪声,分离独立元素,连接相同元素,求出极值区域,求图像梯度等等

代码:

#include<opencv2/opencv.hpp>
using namespace cv;
int main()
{
    Mat img=imread("../xiao.jpg"),tmp;
    Mat kern=getStructuringElement(MORPH_RECT,Size(3,3));
    erode(img,tmp,kern);
    dilate(tmp,tmp,kern);
    imshow("img",img);
    imshow("rect",tmp);
    waitKey(0);
    return 0;
}

?效果:(感觉更有水墨画的意境了)

形态学操作

使用函数morphologyEx,需要填4个参数

前两个输入输出Mat,第四个是kernel,使用getStructuringElement

第三个参数有下面的几种填法(抄的课件。。)

MORPH_OPEN:开操作(先腐蚀后膨胀),可去除小对象
MORPH_CLOSE:闭操作(先膨胀后腐蚀),可填补小洞
MORPH_TOPHAT:顶帽(原图与开操作的差值),保留小对象
MORPH_BLACKHAT:黑帽(闭操作与原图的差值),保留小洞
MORPH_GRADIENT:形态学梯度(膨胀减腐蚀)

代码:(以morph_ellipse与morph_close为例)

#include<opencv2/opencv.hpp>
using namespace cv;
int main()
{
    Mat img=imread("../xiao.jpg"),tmp;
    Mat kern=getStructuringElement(MORPH_ELLIPSE,Size(3,3));
    morphologyEx(img,tmp,MORPH_CLOSE,kern);
    imshow("img",img);
    imshow("morph",tmp);
    waitKey(0);
    return 0;
}

效果:

完结撒花O(∩_∩)O~~O(∩_∩)O~~

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-10-18 17:24:05  更:2021-10-18 17:24:28 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/27 8:22:08-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码