当前位置：首页> 正文

OpenCV黑帽运算(BLACKHAT)的使用

原理

函数原型

测试代码

原理

形态学是图像处理中常见的名词，图像处理的形态学基本属于数学形态学的范畴，是一门建立在格论和拓扑学基础上的图像分析学科。黑帽运算是结合了腐蚀和膨胀的一种运算，闭运算结果图减原图。

简单来说，黑帽运算就是将闭运算后的图像减去原图，突出了比原图轮廓周围区域更暗的区域。效果图见下方图1图2。

函数原型

void morphologyEx( InputArray src, OutputArray dst,
                   int op, InputArray kernel,
                   Point anchor = Point(-1,-1), int iterations = 1,
                   int borderType = BORDER_CONSTANT,
                   const Scalar& borderValue = morphologyDefaultBorderValue() );
其中op=MORPH_BLACKHAT

参数说明

InputArray类型的src，输入图像，如Mat类型。

OutputArray类型的dst，输出图像。

int类型的op，选择不同的运算操作，黑帽运算则是MORPH_BLACKHAT。

Point类型的anchor，锚点。默认值（-1，-1），表示位于单位中心，一般不用。

int类型的iterations，迭代使用的次数，默认值为1。

int类型的borderType，推断图像外部像素的边界模式，我OpenCV版本的默认值为BORDER_CONSTANT。如果图像边界需要扩展，则不同的模式下所扩展的像素，其生成原则不同。

const Scalar&类型的borderValue，当边界为常数时的边界值，默认值为morphologyDefaultBorderValue()。

测试代码

#include<iostream>
#include<opencv2/opencv.hpp>
#include<ctime>
using namespace std;
using namespace cv;
int main(void)
{
cv::Mat test = cv::Mat::zeros(64, 64, CV_8UC1);
cv::rectangle(test, cv::Rect(30, 30, 8, 8), 255, -1);
cv::rectangle(test, cv::Rect(33, 30, 2, 2), 0, -1);
cv::Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));
cv::Mat result, close;
cv::morphologyEx(test, close, MORPH_CLOSE, element);
cv::morphologyEx(test, result, MORPH_BLACKHAT, element);
imshow("original", test);
imshow("close", close);
imshow("result", result);
waitKey(0);
system("pause");
return 0;
}

测试效果