2016-05-30 21:54:21 jsf921942722 阅读数 725

1.Dilate.h Dilate.c 为图像膨胀的头文件、核心函数
Dilate.h

#ifndef _DILATE_H_
#define _DILATE_H_

#ifdef __cplusplus
extern "C"
{
#endif
    /*
        *图像膨胀处理
    */
    int dilateFunction(float * inData, float * outData, int dataWidth, int dataHeight, int dilateWidth, int dilateHeight, int channels);

#ifdef __cplusplus
}
#endif
#endif

Dilate.c

#include <stdio.h>
#include <stdlib.h>
#include <malloc.h>
#include <memory.h>
#include "Dilate.h"
#include "myMath.h"



int dilateFunction(float * inData, float * outData, int dataWidth, int dataHeight, int dilateWidth, int dilateHeight, int channels){

    int widthTemp, heightTemp;
    int i, j;
    int m, n, z;
    float * dataTemp = NULL;
    int count = 0;
    float medianData = 0.f;
    if(channels > 32){
        printf("channels is larger.\n");
        return -1;
    }
    if(dilateWidth % 2 == 0){
        widthTemp = dilateWidth / 2 - 1;
    }else{
        widthTemp = dilateWidth / 2;
    }
    if(dilateHeight % 2 == 0){
        heightTemp = dilateHeight / 2 - 1;
    }else{
        heightTemp = dilateHeight / 2;
    }

    dataTemp = (float*)malloc(sizeof(float) * dilateWidth * dilateHeight);
    for(z = 0; z < channels; z ++){
        for(i = 0; i < dataHeight; i ++){
            for(j = 0; j < dataWidth; j ++){
                memset(dataTemp, 0, sizeof(float) * dilateWidth * dilateHeight);
                count = 0;
                medianData = 0.0f;
                for(m = -heightTemp; m < dilateHeight - heightTemp; m ++){
                    for(n = -widthTemp; n < dilateWidth - widthTemp; n ++){
                        if(i + m >= 0 && i + m < dataHeight && j + n >= 0 && j + n < dataWidth){
                            dataTemp[count] = inData[((i + m) * dataWidth + (j + n)) * channels + z];
                            count ++;
                        }
                    }
                }

                medianData = getMaxValue(dataTemp, count);
                outData[(i * dataWidth + j) * channels + z] = medianData;
            }
        }
    }
    free(dataTemp);
    return 0;
}

2.主程序

#include "stdafx.h"
#include "Tools.h"
#include "Dilate.h"
#include <opencv2\opencv.hpp>
using namespace cv;
int main()
{
    int imageWidth, imageHeight;
    int channels = 1;
    Mat mImage = imread("D:\\workSpace\\VSWorkSpace\\ImageProcess\\ImageProcess\\dilateImage.jpg", 1);
    imshow("srcImage", mImage);
    float * imageData = NULL;
    float * imageOutData = NULL;
    imageWidth = mImage.cols;
    imageHeight = mImage.rows;
    channels = mImage.channels();
    imageData = (float*)malloc(sizeof(float) * imageWidth * imageHeight * channels);
    imageOutData = (float*)malloc(sizeof(float) * imageWidth * imageHeight * channels);
    uCharDataToFloatData(mImage.data, imageData, imageWidth, imageHeight, channels);
    dilateFunction(imageData, imageOutData, imageWidth, imageHeight, 3, 3, channels);
    floatDataToUCharData(imageOutData, mImage.data, imageWidth, imageHeight, channels, 1);
    imshow("dilate Image", mImage);
    waitKey(0);
    free(imageData);
    free(imageOutData);
    return 0;
}

getMaxValue();
该函数见链接
http://blog.csdn.net/jsf921942722/article/details/51527155
uCharDataToFloatData();
floatDataToUCharData();
这两个函数见链接
http://blog.csdn.net/jsf921942722/article/details/51526673
3.图像效果
*****************************3通道彩色图原图***********************
这里写图片描述
*****************************3通道彩色图膨胀处理后图***********************
这里写图片描述
*****************************1通道灰度图原图***********************
这里写图片描述
*****************************1通道灰度图膨胀处理后图***********************
这里写图片描述

2018-11-23 11:53:15 DKhadoop 阅读数 324

 

图像的膨胀(Dilation)和腐蚀(Erosion)是两种基本的形态学运算,主要用来寻找图像中的极大区域和极小区域。其中膨胀类似于“领域扩张”,将图像中的高亮区域或白色部分进行扩张,其运行结果图比原图的高亮区域更大;腐蚀类似于“领域被蚕食”,将图像中的高亮区域或白色部分进行缩减细化,其运行结果图比原图的高亮区域更小。

1.图像膨胀

膨胀的运算符是“⊕”,其定义如下:

 

该公式表示用B来对图像A进行膨胀处理,其中B是一个卷积模板或卷积核,其形状可以为正方形或圆形,通过模板B与图像A进行卷积计算,扫描图像中的每一个像素点,用模板元素与二值图像元素做“与”运算,如果都为0,那么目标像素点为0,否则为1。从而计算B覆盖区域的像素点最大值,并用该值替换参考点的像素值实现膨胀。下图是将左边的原始图像A膨胀处理为右边的效果图A⊕B。

 

2.图像腐蚀

腐蚀的运算符是“-”,其定义如下:

 

该公式表示图像A用卷积模板B来进行腐蚀处理,通过模板B与图像A进行卷积计算,得出B覆盖区域的像素点最小值,并用这个最小值来替代参考点的像素值。如图所示,将左边的原始图像A腐蚀处理为右边的效果图A-B。

 

处理结果如下图所示:

 

  • 图像腐蚀代码实现

1.基础理论

形态学转换主要针对的是二值图像(0或1)。图像腐蚀类似于“领域被蚕食”,将图像中的高亮区域或白色部分进行缩减细化,其运行结果图比原图的高亮区域更小。其主要包括两个输入对象:

(1)二值图像

(2)卷积核

卷积核是腐蚀中的关键数组,采用numpy库可以生成。卷积核的中心点逐个像素扫描原始图像,如下图所示:

 

被扫描到的原始图像中的像素点,只有当卷积核对应的元素值均为1时,其值才为1,否则其值修改为0。换句话说,遍历到的黄色点位置,其周围全部是白色,保留白色,否则变为黑色,图像腐蚀变小。

 

2.函数原型

图像腐蚀主要使用的函数为erode,其原型如下:

dst = cv2.erode(src, kernel, iterations)

参数dst表示处理的结果,src表示原图像,kernel表示卷积核,iterations表示迭代次数。下图表示5*5的卷积核,可以采用函数 np.ones((5,5), np.uint8) 构建。

 

注意:迭代次数默认是1,表示进行一次腐蚀,也可以根据需要进行多次迭代,进行多次腐蚀。

3.代码实现

完整代码如下所示:

 

输出结果如下图所示:

 

由图可见,干扰的细线被进行了清洗,但仍然有些轮廓,此时可设置迭代次数进行腐蚀。

erosion = cv2.erode(src, kernel,iterations=9)

输出结果如下图所示:

 

 

三. 图像膨胀代码实现

1.基础理论

图像膨胀是腐蚀操作的逆操作,类似于“领域扩张”,将图像中的高亮区域或白色部分进行扩张,其运行结果图比原图的高亮区域更大,线条变粗了,主要用于去噪。

(1) 图像被腐蚀后,去除了噪声,但是会压缩图像。

(2) 对腐蚀过的图像,进行膨胀处理,可以去除噪声,并且保持原有形状。

 

它也包括两个输入对象:

(1)二值图像或原始图像

(2)卷积核

卷积核是腐蚀中的关键数组,采用numpy库可以生成。卷积核的中心点逐个像素扫描原始图像,如下图所示:

被扫描到的原始图像中的像素点,当卷积核对应的元素值只要有一个为1时,其值就为1,否则为0。

2.函数原型

图像膨胀主要使用的函数为dilate,其原型如下:

dst = cv2.dilate(src, kernel, iterations)

参数dst表示处理的结果,src表示原图像,kernel表示卷积核,iterations表示迭代次数。下图表示5*5的卷积核,可以采用函数 np.ones((5,5), np.uint8) 构建。

 

注意:迭代次数默认是1,表示进行一次膨胀,也可以根据需要进行多次迭代,进行多次膨胀。通常进行1次膨胀即可。

3.代码实现

完整代码如下所示:

 

输出结果如下所示:

 

图像去噪通常需要先腐蚀后膨胀,这又称为开运算,下篇文章将详细介绍。如下图所示:

erosion = cv2.erode(src, kernel)

result = cv2.dilate(erosion, kernel)

 

 

 

2019-08-02 21:27:33 qq_41684833 阅读数 102

图像的腐蚀膨胀

在这里插入图片描述

作者:Cabin_V

作为学习图像处理的学生,需要不断学习相关知识,我在课余时间将一些分析总结和学习的笔记写成博客来记录自己的学习过程,也希望能与大家一起交流。

关于图像处理入门和进阶分类问题,我根据《数字图像处理》这本书(本科期间上课使用),将出现的内容划分为入门,其他常用的知识划分为进阶。

转载务必说明出处!


图像腐蚀与膨胀

OpenCV为进行图像的形态学变换提供了快捷、方便的函数。最基本的形态学操作有两种,分别是:腐蚀(erode)与膨胀(dilate)。

腐蚀算法视频演示

膨胀算法视频演示

区别

腐蚀和膨胀是对白色部分而言的。膨胀是对图像中高亮的部分进行膨胀,处理后的图片高亮区域扩大;而腐蚀是对高亮部分进行腐蚀,处理后的图片高亮区域减少。

膨胀就是求局部最大值的操作。膨胀与膨胀操作就是将图像与核进行卷积。

作用

膨胀与腐蚀配合使用能实现各种各样的功能,主要如下:

  • 消除噪声

  • 分割出独立的图像元素,在图像中连接相邻的元素

  • 寻找图像中明显的极大值区域或极小值区域

  • 求出图像梯度

API说明

如果想进一步了解各个参数对图像最终结果的影响,可以跳到文章最下方代码

我们先来看下简单的图像腐蚀膨胀的代码

#include <opencv2/opencv.cpp>
using namespace cv;

int main()
{
	Mat srcImage = imread("1.jpg");
	imshow("原图",srcImage);
    
    //返回指定形状和尺寸的结构元素
	Mat element = getStructuringElement(MORPH_CROSS,Size(3,3));  
	Mat eroImage, dilImage;
    
	//图像腐蚀
	erode(srcImage, eroImage, element);                           
	imshow("腐蚀", eroImage);
	//图像膨胀
	dilate(srcImage, dilImage, element);                          
	imshow("膨胀", dilImage);
    
	waitKey(0);
	return 0;
}

首先看一下程序运行结果

原图

腐蚀和膨胀

可以看到经过原图经过腐蚀后,中间的白框不见了,而经过膨胀处理,原图中白框明显变厚。

大家可以将代码拷贝,在自己的电脑运行一下,通过调整核大小形状以及形态学操作,观察效果

注意!图片要放在.cpp文件相同路径下!

以上程序分别用到了 getStructuringElement()erode()dilate() 函数。

getStructuringElement()介绍

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

用法:可用于构造一个特定大小和形状的结构元素,用于图像形态学处理。

参数说明:

  • shape:结构元素的形状(MorphShapes的其中一种)

    • MORPH_RECT——矩形
    • MORPH_CROSS——交叉形
    • MORPH_ELLIPSE——椭圆形
  • ksize:结构元素的大小

  • anchor:锚点,表示结构元素中的一个点,默认值Point(-1,-1)表示位于结构元素中心,只有交错形状的(MORPH_CROSS)元素依赖锚点位置,对于其它形状的元素,锚点规定了形态学处理结果的偏移量。

erode()、dilate()介绍

void cv::erode( InputArray src, OutputArray dst, InputArray kernel,
                Point anchor, int iterations,
                int borderType, const Scalar& borderValue );

用法:实现图像腐蚀功能的函数。

void cv::dilate( InputArray src, OutputArray dst, InputArray kernel,
                 Point anchor, int iterations,
                 int borderType, const Scalar& borderValue );

用法:实现图像膨胀功能的函数。

两个函数的参数个数和名称是一模一样的,不同的只是函数功能,所以参数方面一起介绍。

参数说明:一般只需使用前三个参数,后四个参数都有默认值。

  • srcInputArray类型,输入图像,Mat类型的待处理图像。图像通道的数量可以是任意的,但图像深度应为CV_8U、CV_16U、CV_16S、CV_32F或CV_64F其中之一。

  • dstOutputArray类型,目标图像,和输入图像有一样的尺寸和类型。

  • kerneInputArray类型,形态学运算的内核。当为NULL时,表示的是使用参考点位于中心3x3的核。一般配合**getStructuringElement()**函数使用。

  • anchorPoint类型,锚的位置。有默认值(-1,-1),表示锚位于单位的中心。一般设置为默认值。

  • iterationint类型,迭代使用**erode()**函数的次数,默认值为1。

  • borderTypeint类型,用于推断图像外部像素的某种边界模式。默认值为BORDER_DEFAULT。

  • borderValueconst Scalar&类型,当边界为常数时的边界值。默认值为morphologyDefaultBorderValue(),一般设置为默认值。

综合代码

这个程序在前面代码基础上加入了滑动条的功能

可以选择“腐蚀/膨胀”、内核形状、内核尺寸。

运行界面如下:

运行界面

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;

//全局变量声明
Mat g_srcImage, g_dstImage;
//Trackbar接收的参数
int g_nTrackbarNumer = 0;               //0-腐蚀,1-膨胀
int g_nStructElementShape = MORPH_RECT; //结构元素的形状 0-rect 1-cross 2-ellipse
int g_nStructElementSize = 0;           //结构元素的尺寸


//函数声明
void Process();
void on_ElementShapeChange(int, void *);
void on_TrackbarNumChange(int, void *);
void on_ElementSizeChange(int, void *);

int main()
{
	g_srcImage = imread("1.jpg");
	if (!g_srcImage.data)
	{
		printf("error!\n");
		return false;
	}

	namedWindow("Erode/Dilate");
	imshow("Erode/Dilate",g_srcImage);

	//创建滑动条
	createTrackbar("Ero/Dil", "Erode/Dilate", &g_nTrackbarNumer, 1, on_TrackbarNumChange);
	createTrackbar("shape", "Erode/Dilate", &g_nStructElementShape, 2, on_ElementShapeChange);
	createTrackbar("size", "Erode/Dilate", &g_nStructElementSize, 11, on_ElementSizeChange);

	//按q退出程序
	if (waitKey(0) != 'q')
	{
	}

	return 0;
}

void Process()
{
	//根据g_nStructElementShape和g_nStructElementSize自定义核
	Mat element = getStructuringElement(g_nStructElementShape, Size(2*g_nStructElementSize+1, 2*g_nStructElementSize+1), Point(g_nStructElementSize, g_nStructElementSize));

	//选择腐蚀或膨胀操作
	if (g_nTrackbarNumer == 0)
	{
		erode(g_srcImage, g_dstImage, element);
	}
	else
	{
		dilate(g_srcImage, g_dstImage, element);
	}

	imshow("Erode/Dilate", g_dstImage);
}

//Trackbar-shape响应函数
void on_ElementShapeChange(int, void *)
{
	//g_nStructElementShape数值已改变
	Process();
}

//Trackbar-erode/dilate响应函数
void on_TrackbarNumChange(int, void *)
{
	//g_nTrackbarNumer数值已改变
	Process();
}

//Trackbar-size响应函数
void on_ElementSizeChange(int, void *)
{
	//g_nStructElementSize数值已改变
	Process();
}

本篇文章对你们有用的话,点个赞再走~

没有更多推荐了,返回首页