OpenCV黑帽運算(BLACKHAT)的使用
原理
形態(tài)學是圖像處理中常見的名詞,圖像處理的形態(tài)學基本屬于數學形態(tài)學的范疇,是一門建立在格論和拓撲學基礎上的圖像分析學科。黑帽運算是結合了腐蝕和膨脹的一種運算,閉運算結果圖減原圖。
簡單來說,黑帽運算就是將閉運算后的圖像減去原圖,突出了比原圖輪廓周圍區(qū)域更暗的區(qū)域。效果圖見下方圖1圖2。
函數原型
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參數說明
- InputArray類型的src,輸入圖像,如Mat類型。
- OutputArray類型的dst,輸出圖像。
- int類型的op,選擇不同的運算操作,黑帽運算則是MORPH_BLACKHAT。
- Point類型的anchor,錨點。默認值(-1,-1),表示位于單位中心,一般不用。
- int類型的iterations,迭代使用的次數,默認值為1。
- int類型的borderType,推斷圖像外部像素的邊界模式,我OpenCV版本的默認值為BORDER_CONSTANT。如果圖像邊界需要擴展,則不同的模式下所擴展的像素,其生成原則不同。
- const Scalar&類型的borderValue,當邊界為常數時的邊界值,默認值為morphologyDefaultBorderValue()。
測試代碼
#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;
}測試效果



如上圖所示,有原先8*8的矩形,有一個2*2的凹處,我設置了3*3的矩形蒙版,對其進行閉運算操作如圖2所示,凹進消失,對其進行黑帽操作如圖3所示,突出了凹進的內容。
到此這篇關于OpenCV黑帽運算(BLACKHAT)的使用的文章就介紹到這了,更多相關OpenCV黑帽運算內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
Python中識別圖片/滑塊驗證碼準確率極高的ddddocr庫詳解
驗證碼的種類有很多,它是常用的一種反爬手段,包括:圖片驗證碼,滑塊驗證碼,等一些常見的驗證碼場景。這里推薦一個簡單實用的識別驗證碼的庫?ddddocr?(帶帶弟弟ocr)庫,希望大家喜歡2023-02-02
在Python程序中操作文件之isatty()方法的使用教程
這篇文章主要介紹了在Python程序中操作文件之isatty()方法的使用教程,是Python入門學習中的基礎知識,需要的朋友可以參考下2015-05-05

