一、腐蚀(Erode)
取符合模板的点, 用区域最小值代替中心位置值(锚点)
作用： 平滑对象边缘、弱化对象之间的连接。
opencv 中相关函数：(erode)
1 // C++
2 /**
3 shape: 形状
4 MORPH_RECT 矩形
5 MORPH_CROSS 交叉形 十字型
6 MORPH_ELLIPSE 椭圆形
7 esize : 大小
8 anchor: 锚点，默认为中心
9 **/
10 Mat getStructuringElement(int shape, Size esize, Point anchor = Point(-1, -1));
11
12 /**
13 src: input Mat
14 dst: output Mat
15 element : kernel element
16 完整参数：https://docs.opencv.org/4.1.0/d4/d86/group__imgproc__filter.html#gaeb1e0c1033e3f6b891a25d0511362aeb
17 **/
18 erode(const Mat& src, Mat&dst , const Mat& element) // 基本参数
1 # python
2 # dst = cv.erode( src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]] )
3
4 import cv2 as cv
5 import numpy as np
6
7 im = cv.imread("test.jpg")
8 gray = cv.cvtColor(im,cv.COLOR_BGR2GRAY)
9 ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY_INV|cv.THRESH_OTSU)
10
11 # 获取 kerenl element
12 kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5))
13 # 腐蚀
14 dst = cv.erode(binary,kernel)View Code
二、 膨胀(Dilate)
实现： 使用kernel 划过图像，将区域的最大值赋给锚点位置。
作用： 致使图像的亮区扩展，能起到平滑边缘的作用。
// C++
/**
src: input Mat
dst: output Mat
kernel : kernel element
完整参数：https://docs.opencv.org/master/d4/d86/group__imgproc__filter.html#ga4ff0f3318642c4f469d0e11f242f3b6c
**/
#include<opencv2\imgproc\imgproc.hpp>
void dilate(InputArray src, OutputArray dst , InputArray kernel) // 基本参数三、边缘检测
边缘检测一般步骤：
平滑去噪
对比度增强
计算梯度
过滤判断边缘
1、Canny 边缘检测
1 // C++
2 #include<opencv2\imgproc\imgproc.hpp>
3
4 /**
5 image : 输入图像
6 edges : 输出图像
7 threshold1： 阈值1，高于该值 被认为时边缘
8 threshold2： 阈值2， 低于该值可认为不是边缘
9 若在两值之间，该像素仅连接一个高阈值的像素时被保留。
10 apertureSize ： kernel 大小，默认3 sobel kernel ,;取值 1 3 5 7 （奇数，<31）
11 L2gradient ： L2 norm 求梯度
12
13 详细参数： https://docs.opencv.org/3.4/dd/d1a/group__imgproc__feature.html#ga04723e007ed888ddf11d9ba04e2232de
14 **/
15 void Canny (InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false )
1 import numpy as np
2 import cv2 as cv
3
4 # edges = cv.Canny( image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]] )
5
6 img = cv2.imread('3.jpg',0)
7 edges = cv2.Canny(img,100,200)View Code
2、 sobel
sobel kernel:
X 方向3X3： Y方向3x3:
X 方向5x5:
在opencv sobel 函数中当ksize =-1 时：kernel 为：SCHARR
opencv 中函数：
1 // C++
2 #include <opencv2/imgproc.hpp>
3
4 /** https://docs.opencv.org/master/d4/d86/group__imgproc__filter.html#gacea54f142e81b6758cb6f375ce782c8d
5 src: 输入图像
6 dst: 输出图像
7 ddepth: output image depth
8 src.depth() = CV_8U --------------- ddepth =-1/CV_16S/CV_32F/CV_64F
9 src.depth() = CV_16U/CV_16S ----- ddepth =-1/CV_32F/CV_64F
10 src.depth() = CV_64F --------------- ddepth = -1/CV_64F
11 dx / dy : 差分阶数 0 or 1
12 ksize: 取奇数 -1 ： SCHARR (3x3) 1: 1x3 or 3x1
13 **/
14 void cv::Sobel( InputArray src, OutputArray dst, int ddepth, int dx, int dy,int ksize=3, double scale=1, double delta=0, int borderType = BORDER_DEFAULT )1 import cv2 as cv
2 import numpy as np
3
4 # dst = cv.Sobel( src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]] )
5
6 img = cv.imread('flower.jpg',0)
7 #默认ksize=3
8 sobelx = cv.Sobel(img,cv2.CV_64F,1,0,ksize=3)四、二值图像的轮廓分析
opencv 中可以使用 findContours()工具，分析二值图像的拓扑结构
void findContours//提取轮廓，用于提取图像的轮廓
(
InputOutputArray image,//输入图像，必须是8位单通道图像，并且应该转化成二值的
OutputArrayOfArrays contours,//检测到的轮廓，每个轮廓被表示成一个point向量
OutputArray hierarchy,//可选的输出向量，包含轮廓的拓扑信息。其中元素的个数和检测到的轮廓的数量相等
int mode, //说明需要的轮廓类型和希望的返回值方式
int method,//轮廓近似方法
Point offset = Point()
)参数说明：
hierarchy： 每一个轮廓，都包含4个整型数据，分别表示：后一个轮廓的序号、前一个轮廓的序号、子轮廓的序号、父轮廓的序号。
mode： 轮廓检索模式
method :
1）、CV_CHAIN_APPROX_NONE
CV_CHAIN_APPROX_SIMPLE
CV_CHAIN_APPROX_TC89_L1 、 CV_CHAIN_APPROX_TC89_KCOS 使用teh-Chinl chain# python
import cv2 as cv
import numpy as np
# contours, hierarchy = cv.findContours( image, mode, method[, contours[, hierarchy[, offset]]] )
img = cv.imread('12.jpeg')
gray = cv.cvtColor ( img , cv2.COLOR_BGR2GRAY )
ret , binary = cv.threshold ( gray , 220 , 255 , cv2.THRESH_BINARY )
# 检测轮廓
contours , hierarchy = cv.findContours ( binary , cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE )
# 画出轮廓
cv.drawContours(img,contours,-1,(0,0,255),3)
'''
void cv::drawContours ( InputOutputArray image,
InputArrayOfArrays contours,
int contourIdx,
const Scalar & color,
int thickness = 1,
int lineType = LINE_8,
InputArray hierarchy = noArray(),
int maxLevel = INT_MAX,
Point offset = Point()
)
#image:输入输出图像，Mat类型即可
#contours:使用findContours检测到的轮廓数据，每个轮廓以点向量的形式存储，point类型的vector
#contourIdx:绘制轮廓的只是变量，如果为负值则绘制所有输入轮廓
#color:轮廓颜色
#thickness:绘制轮廓所用线条粗细度，如果值为负值，则在轮廓内部绘制
#lineTpye:线条类型，有默认值LINE_8
'''五、 凸包 和 多边形拟合
凸包：
opencv 中使用 convexHull() 函数来查找对象的凸包。
void cv::convexHull ( InputArray points,
OutputArray hull,
bool clockwise = false,
bool returnPoints = true
)参数： points: input 2D point set, stored in std::vector or Mat.
hull : 输出参数，用于输出函数调用后找到的凸包
clockwise : 操作方向，true顺时针，fasle逆时针
详细参考： https://docs.opencv.org/master/d3/dc0/group__imgproc__shape.html#ga014b28e56cb8854c0de4a211cb2be656
多边形拟合：
opencv 中使用 approxPolyDP() 函数对图像的轮廓点进行多边形拟合。
void approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)
参数：
curve : Input vector of a 2D point stored in std::vector or Mat
approxCurve : 表示输出的多边形点集
epsilon： 精度，两个轮廓点之间的最大距离数
表示输出的多边形是否封闭
#include<opencv2\opencv.hpp>
#include<opencv2\imgproc\imgproc.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main()
{
// 三通道二值图像
Mat img = imread("E:\\pcblabels\\labels2019-11-01-094405.jpg");
cout << "read image end..." << endl;
// 膨胀
Mat kernel = getStructuringElement(MORPH_RECT, Size(6, 6));
Mat dilateImg;
dilate(img, dilateImg, kernel);
cout << "dilate end....." << endl;
// 腐蚀
Mat erodeImg;
erode(dilateImg, erodeImg, kernel);
cout << "erode end....." << endl;
// canny
Mat cannyImg;
Canny(dilateImg, cannyImg, 5, 2, 5); // ksize: 奇数
cout << "Canny end....." << endl;
// find contours
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
// 只检测最外层轮廓，并且保存轮廓上所有点
findContours(cannyImg, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE, Point());
drawContours(contours, hierarchy, img.size());
// 找一个点数最多的轮廓
int index = 0;
for (int i = 0; i< contours.size(); i++)
{
if (contours[i].size() > contours[index].size())
{
index = i;
}
}
cout << "findContours end....." << endl;
//凸包
Mat hullImg = img.clone();
vector<Point> hull;
convexHull(Mat(contours[index]), hull, true);
drawContours(hullImg, vector<vector<Point>>{hull}, 0, Scalar(0,0,255), 1, 8, vector<Vec4i>(), 0, Point());
cout << "draw hull end....." << endl;
// 多边形拟合
Mat approxImg = img.clone();
Mat approxImgRes = Mat::zeros(img.size(), CV_8UC1);
vector<Point> approxPloy;
approxPolyDP(contours[index], approxPloy, 1, true);
drawContours(approxImg, contours, index, Scalar(255, 0, 0), 1, 8, hierarchy);
drawContours(approxImgRes, vector<vector<Point>>{approxPloy}, 0, Scalar(255), 2, 8, vector<Vec4i>(), 0, Point());
cout << "draw approxPolyDP end....." << endl;
return 0;
}
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
