OpenCV黑帽运算(BLACKHAT)的使用

目录

• 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

如上图所示，有原先8*8的矩形，有一个2*2的凹处，我设置了3*3的矩形蒙版，对其进行闭运算操作如图2所示，凹进消失，对其进行黑帽操作如图3所示，突出了凹进的内容。

到此这篇关于OpenCV黑帽运算(BLACKHAT)的使用的文章就介绍到这了,更多相关OpenCV黑帽运算内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！