【opencv学习笔记】012之形态学操作（开闭操作，形态学梯度，顶帽与黑帽）

灰太狼 2021-08-26 15:04 413阅读 0赞

**目录**

一、前言

二、形态学操作

1、回顾

2、开操作

3、闭操作

4、形态学梯度

5、顶帽

6、黑帽

三、OpenCV中的形态学操作

0、核生成的API

1、形态学操作

1.API

2.代码展示

3.执行结果

--------------------

# 一、前言 #

继续填坑。

如果想看其他有关于OpenCV学习方法介绍、学习教程、代码实战、常见报错及解决方案等相关内容，可以直接看我的OpenCV分类：

> [【OpenCV系列】：https://blog.csdn.net/shuiyixin/article/category/7581855][OpenCV_https_blog.csdn.net_shuiyixin_article_category_7581855]

如果你想了解更多有关于计算机视觉、OpenCV、机器学习、深度学习等相关技术的内容，想与更多大佬一起沟通，那就扫描下方二维码加入我们吧！

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_36_color_FF36FF_t_70][]

# 二、形态学操作 #

## 1、回顾 ##

首先我们讲了膨胀和腐蚀，并举例说明。

我们先来直观的看一下执行膨胀前后的操作：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_66_color_F89FFF_t_70][] 原图与膨胀后的操作

我们发现，经过膨胀操作，黑色变得更瘦了，我们可以理解为白色膨胀了。

我们再来直观的看一下执行腐蚀前后的操作：、

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_66_color_FF89FF_t_70][]

通过对比，我们发现，就是黑色的区域变胖了，我们考虑一下腐蚀，比如浓硫酸的腐蚀，越腐蚀，黑色的部分就越多，所以腐蚀就是深色越来越浓，越来越多。

上节课我们讲形态学操作，讲了5个形态学操作，我们先来回顾一下：

> （1）开操作：先腐蚀后膨胀，可以去掉小的对象。
> 
> （2）闭操作：先膨胀后腐蚀，可以填充小对象。
> 
> （3）形态学梯度：膨胀减去腐蚀。
> 
> （4）顶帽：顶帽是原图像与开操作图像之间的差值图像。
> 
> （5）黑帽：黑帽是闭操作图像与原图像之间的差值图像。

接下来，我们来具体讲一下。

## 2、开操作 ##

通过回顾上节课的知识，我们知道，开操作即为**先腐蚀后膨胀**。我们以单通道的黑白图像为例讲解，也就是我们先通过腐蚀操作，将黑色区域腐蚀扩大，再通过膨胀操作，将白色区域膨胀扩大。如果我有一个小白点，先通过腐蚀操作，就会被周围的黑色覆盖掉，再进行膨胀操作，因为小白点已经没有了，进行膨胀操作，也不会影响到周围的黑色，所以，开操作，可以去掉小白点。也就是合适的开操作，可以去掉小的对象。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_F75FFF_t_70][] 原图

对于上面的原图，我们进行开操作，得到的图如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FFF78F_t_70][] 开操作

我们发现，图中的小白区域被去掉了。

## 3、闭操作 ##

我们知道，闭操作即为**先膨胀后腐蚀**。我们以单通道的黑白图像为例讲解，也就是我们先通过膨胀操作，将白色区域膨胀扩大，再通过腐蚀操作，将黑色区域腐蚀扩大。如果我有一个小黑点，先通过膨胀操作，就会被周围的白色覆盖掉，再进行腐蚀操作，因为小黑点已经没有了，进行腐蚀操作，也不会影响到周围的白色，所以，闭操作，可以去掉小黑点。也就是合适的闭操作，可以填充小对象。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FFFF78_t_70][] 原图

对于上面的原图，我们进行闭操作，得到的图如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FFF79F_t_70][] 闭操作

我们发现，图中的小黑色区域被白色填充了。

## 4、形态学梯度 ##

我们知道，形态学梯度即为**膨胀减去腐蚀**。我们以一个二维数组为例来讲解。对于下面左边的图像，进行膨胀之后的操作结果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_66_color_F99FFF_t_70][] 膨胀

而进行腐蚀操作如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_66_color_FFF99F_t_70][] 腐蚀

形态学梯度就是膨胀减去腐蚀，如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_96_color_FF75FF_t_30][]

在后面的实战中，我们会直观的看一下，如果我们采用形态学梯度，得到的是什么效果。

## 5、顶帽 ##

顶帽是**原图像与开操作图像之间的差值图像**。开操作我们去掉了白色的小对象，其他地方没有变化，进行差值之后变成0，也就是变成黑色，不同的进行差值之后，我们就获得了去掉的白色的区域，然后我们就要考虑这个区域的颜色是什么颜色，因为原图是白色，对应的值是255，进行开操作之后变为黑色，对应的值是0，进行差值之后还是255，也就是还是白色，即原来的颜色。所以顶帽操作，求到的就是去掉的白色的小对象。

如下图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_F75FFF_t_70][] 原图

进行顶帽操作之后，得到的是：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FFF78F_t_70 1][] 顶帽

## 6、黑帽 ##

黑帽是**原图像与闭操作图像之间的差值图像**。闭操作我们填充了黑色的小对象，其他地方没有变化，进行差值之后变成黑色，其他地方进行差值之后，我们就获得了填充的黑色的区域，然后我们就要考虑这个区域的颜色是什么颜色，因为原图是黑色，对应的值是0，进行闭操作之后变为白色，对应的值是255，进行差值之后是255，也就是变成白色。所以顶帽操作，求到的就是去掉的白色的小对象。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FFFF78_t_70][] 原图

进行黑帽之后，得到的图像如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_F78FFF_t_70][] 标题

我们可以得到如下结论：

> **不管是顶帽还是黑帽，我们得到的都是原图像与开/闭操作的差值图像，差值地方是白色，其他地方是黑色**。

# 三、OpenCV中的形态学操作 #

所有的这些操作，用到的是同一个API，同时，我们也需要用到一个核生成API，上节课，我们已经讲过，这节课我们再回顾一下：

## 0、核生成的API ##

在形态学中，因为要涉及到区域像素操作，我们就要设计一个核，在核范围内对像素进行操作。所以我们需要创建一个核，在这里，我们用到一个新的API：**getStructuringElement()**。

我们来看一下API：

Mat getStructuringElement(
        int shape, 
        Size ksize, 
        Point anchor = Point(-1,-1)
        );

其函数参数如下：

> （1）int类型的shape，元素形状，可以是cv::MorphShapes之一。
> 
> （2）Size类型的ksize，结构化元素的大小。
> 
> （3）Point类型的anchor，默认值（-1，-1）,表示锚定位于中心。请注意，只有十字形元素的形状取决于锚定位置。在其他情况下，锚只是调节形态学操作结果的移动量。

这里主要说一下第一个参数，该参数主要有如下几种选择：

> （1）MORPH\_RECT：矩形结构区域。
> 
> （2）MORPH\_CROSS，十字形结构区域。
> 
> （3）MORPH\_ELLIPSE，椭圆结构区域，内接于矩形Rect（0，0，esize.width，0.esize.height）的填充椭圆。

## 1、形态学操作 ##

前面我们已经讲完了基本原理，也讲了对应的实现效果。现在我们来讲一下API。

### 1.API ###

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()
    );

函数参数含义如下：

> （1）InputArray类型的src，输入图像。通道数可以任意，但深度应为CV\_8U、CV\_16U、CV\_16S、CV\_32F或CV\_64F之一。
> 
> （2）OutputArray类型的dst，即目标图像，与输入图像有相同的尺寸和类型。
> 
> （3）int类型的op，形态学操作的类型，请参见cv：：MorphTypes
> 
> （4）InputArray类型的kernel，用于膨胀的结构元素；如果elemenat=Mat（），则使用3 x 3矩形结构元素。可以使用getStructuringElement创建内核。
> 
> （5）Point类型的anchor：锚定在元素中的位置；默认值（-1，-1）表示锚定在元素中心。
> 
> （6）int类型的iterations：应用膨胀的次数。
> 
> （7）int类型的borderType：像素外推方法，参见cv：：BorderTypes。
> 
> （8）Scalar类型的borderValue：恒定边框时的边框值。

相比较膨胀和腐蚀，只是增加了第三个参数，其他参数是完全一致的，第三个参数是操作，即所有的形态学操作。主要有：

enum MorphTypes{
        MORPH_ERODE    = 0,  //腐蚀
        MORPH_DILATE   = 1,  //膨胀
        MORPH_OPEN     = 2,  //开操作
        MORPH_CLOSE    = 3,  //闭操作
        MORPH_GRADIENT = 4,  //梯度操作
        MORPH_TOPHAT   = 5,  //顶帽操作
        MORPH_BLACKHAT = 6,  //黑帽操作
    };

前两个是我们之前讲过的膨胀和腐蚀，剩下的就是我们今天讲的五个形态学操作。

而我们的API，一般来说，我们只需要设置前四个参数，后面的参数默认即可。

### 2.代码展示 ###

#include<opencv2\opencv.hpp>
    #include<iostream>
    
    using namespace std;
    using namespace cv;
    
    int main()
    {
    	Mat src, dst;
    	src = imread("E:/image/girl2.png");
    	if (!src.data)
    	{
    		cout << "could not load image !";
    		return -1;
    	}
    
    	imshow("src", src);
    
    	Mat kernel = getStructuringElement(MORPH_RECT, Size(7, 7), Point(-1, -1));
    
    	morphologyEx(src, dst, CV_MOP_OPEN,kernel);
    	imshow("open-src", dst);
    
    	morphologyEx(src, dst, CV_MOP_CLOSE, kernel);
    	imshow("close-src", dst);
    
    	morphologyEx(src, dst, CV_MOP_GRADIENT, kernel);
    	imshow("gradient-src", dst);
    
    	morphologyEx(src, dst, CV_MOP_TOPHAT, kernel);
    	imshow("tophat-src", dst);
    
    	morphologyEx(src, dst, CV_MOP_BLACKHAT, kernel);
    	imshow("blackhat-src", dst);
    
    	waitKey(0);
    	return 0;
    }

### 3.执行结果 ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_0000FF_t_70][] 原图

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_FF78FF_t_70][] 开操作

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_F88FFF_t_70][] 闭操作

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_FFF75F_t_70][] 形态学梯度

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_F75FFF_t_70][] 顶帽

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_FF99FF_t_70][] 黑帽

好啦今天的内容就讲到这里啦，希望大家能够多多练习，才能真正学懂啊！

[OpenCV_https_blog.csdn.net_shuiyixin_article_category_7581855]: https://blog.csdn.net/shuiyixin/article/category/7581855
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_36_color_FF36FF_t_70]: /images/20210516/3178a12541ec4715922986051ac07e91.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_66_color_F89FFF_t_70]: /images/20210516/5f182bdcabb44a82a4e4ac08fd42c48f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_66_color_FF89FF_t_70]: /images/20210516/81c59c5d09b5470e8a4ee3b49a92452e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_F75FFF_t_70]: /images/20210516/6e22259a75c34a60b6d55ab32c18897a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FFF78F_t_70]: /images/20210516/10d3a0d069ec46aebb5969d8a9fe9156.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FFFF78_t_70]: /images/20210516/113d391a19c34cf492e065fb9c35eefb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FFF79F_t_70]: /images/20210516/0b1b04fa3e13442abe783dbfa5a921c0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_66_color_F99FFF_t_70]: /images/20210516/9b66c23d181e4d989ff8067bb4f4374e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_66_color_FFF99F_t_70]: /images/20210516/6176102d929b4fa4b5f14b3e309737be.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_96_color_FF75FF_t_30]: /images/20210516/063b62d89ffa4a95a8d816349815e31a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FFF78F_t_70 1]: /images/20210516/274d0ad3a6264b8b9652096ebba5f9d9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_F78FFF_t_70]: /images/20210516/b786cd2f79db4642a485a126e55c4915.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_0000FF_t_70]: /images/20210516/f183ffae484846169241ca551d4d17be.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_FF78FF_t_70]: /images/20210516/cf3fa217e6ed4736b1c9b2e36274b899.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_F88FFF_t_70]: /images/20210516/77584794df9a4f5e9a8b8c9cd09b1ee0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_FFF75F_t_70]: /images/20210516/47be1c88dd2949deba9a56ad0163e73e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_F75FFF_t_70]: /images/20210516/a438a230135642cbb84453c25741df27.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_FF99FF_t_70]: /images/20210516/7e5629273e004b2dab0cf4ee01577d4d.png