本文主要是介绍OpenCV 形态学操作应用——提取水平与垂直线，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

文章目录

• 原理方法
• 提取步骤
• • 输入图像彩色图像 `imread`
  • 转换为灰度图像 – `cvtColor`
  • 转换为二值图像 – `adaptiveThreshold`
  • 定义结构元素：
  • 开操作 （腐蚀+膨胀）：提取水平与垂直线
• 代码案例

原理方法

图像形态学操作时候，可以通过自定义的结构元素实现结构元素对输入图像一些对象敏感、另外一些对象不敏感，这样就会让敏感的对象改变而不敏感的对象保留输出。

通过使用两个最基本的形态学操作 – 膨胀与腐蚀，使用不同的结构元素实现对输入图像的操作、得到想要的结果。

• 膨胀，输出的像素值是结构元素覆盖下输入图像的最大像素值
• 腐蚀，输出的像素值是结构元素覆盖下输入图像的最小像素值

提取步骤

输入图像彩色图像 imread

代码如下：

Mat src, dst;
src = imread("./test2.jpg");
if (!src.data) {
	printf("could not load image...\n");
	return -1;
}
imshow("image", src);

转换为灰度图像 – cvtColor

代码如下：

Mat gray_src;
// 转灰度图
cvtColor(src, gray_src, CV_BGR2GRAY);
imshow("gray image", gray_src);

转换为二值图像 – adaptiveThreshold

函数参数：

Mat src,            // 输入的灰度图像
Mat dest,            // 二值图像
double maxValue,    // 二值图像最大值
int adaptiveMethod    // 自适应方法，只能其中之一   ADAPTIVE_THRESH_MEAN_C ， ADAPTIVE_THRESH_GAUSSIAN_C
int thresholdType,  // 阈值类型
int blockSize,      // 块大小
double C // 常量C 可以是正数，0，负数

应用代码如下：

Mat binImg;
//转换为二值图像 – adaptiveThreshold
adaptiveThreshold(~gray_src, binImg, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);
imshow("binary image", binImg);

定义结构元素：

• 一个像素宽的水平线 - 水平长度 width/30
• 一个像素宽的垂直线 – 垂直长度 height/30

应用getStructuringElement函数来获取结构元素，这里补充一下该函数相关知识：
结构元形状构造函数getStructuringElement
函数原型：

getStructuringElement( 
	int shape, 
	Size ksize, 
	Point anchor
)

参数：

shape：结构元类型：
1）MORPH_RECT 表示产生矩形的结构元
2）MORPH_ELLIPSEM 表示产生椭圆形的结构元
3）MORPH_CROSS 表示产生十字交叉形的结构元
ksize：表示结构元的尺寸，即（宽，高），必须是奇数
anchor：表示结构元的锚点，即参考点。默认值Point(-1, -1)代表中心像素为锚点

应用代码为：

// 水平结构元素
Mat hline = getStructuringElement(MORPH_RECT, Size(xsize, 1), Point(-1, -1));
// 垂直结构元素
Mat vline = getStructuringElement(MORPH_RECT, Size(1, ysize), Point(-1, -1));
// 获取矩形结构元素
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));

开操作 （腐蚀+膨胀）：提取水平与垂直线

代码应用如下：

// 提取横线
	Mat hbin;
	erode(binImg, hbin, hline);
	dilate(hbin, dst, hline);
	imshow("Row Result", dst);

	// 提取竖线
	Mat vbin;
	// 腐蚀膨胀
	erode(binImg, vbin, vline);
	dilate(vbin, dst, vline);
	imshow("Col Result", dst);

	// 矩形
	Mat Bbin;
	erode(binImg, Bbin, kernel);
	dilate(Bbin, dst, kernel);    // 像素取反操作
	bitwise_not(dst, dst);
	imshow("Final Result", dst);

代码案例

#include <iostream>
#include <math.h>
#include <opencv2/opencv.hpp>
#include<opencv2/highgui.hpp>
#include <opencv2/highgui/highgui_c.h>  

using namespace cv;

int main(int argc, char** argv) {

	Mat src, dst;
	src = imread("./test2.jpg");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}
	imshow("image", src);

	char INPUT_WIN[] = "input image";
	char OUTPUT_WIN[] = "result image";

	Mat gray_src;
	// 转灰度图
	cvtColor(src, gray_src, CV_BGR2GRAY);
	imshow("gray image", gray_src);

	Mat binImg;
	// 转换为二值图像 – adaptiveThreshold
	/*
		Mat src,            // 输入的灰度图像
		Mat dest,            // 二值图像
		double maxValue,    // 二值图像最大值
		int adaptiveMethod    // 自适应方法，只能其中之一   ADAPTIVE_THRESH_MEAN_C ， ADAPTIVE_THRESH_GAUSSIAN_C
		int thresholdType,  // 阈值类型
		int blockSize,      // 块大小
		double C // 常量C 可以是正数，0，负数
	*/
	adaptiveThreshold(~gray_src, binImg, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);
	imshow("binary image", binImg);

	// 一个像素宽的水平线 - 水平长度 width / 30
	// 一个像素宽的垂直线 – 垂直长度 height / 30
	int xsize = binImg.cols / 30;
	int ysize = binImg.rows / 30;

	// 水平结构元素
	Mat hline = getStructuringElement(MORPH_RECT, Size(xsize, 1), Point(-1, -1));
	// 垂直结构元素
	Mat vline = getStructuringElement(MORPH_RECT, Size(1, ysize), Point(-1, -1));

	// 矩形
	Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));

	// 提取横线
	Mat hbin;
	erode(binImg, hbin, hline);
	dilate(hbin, dst, hline);
	imshow("Row Result", dst);

	// 提取竖线
	Mat vbin;
	// 腐蚀膨胀
	erode(binImg, vbin, vline);
	dilate(vbin, dst, vline);
	imshow("Col Result", dst);

	// 矩形
	Mat Bbin;
	erode(binImg, Bbin, kernel);
	dilate(Bbin, dst, kernel);    // 像素取反操作
	bitwise_not(dst, dst);
	imshow("Final Result", dst);

	waitKey(0);
	return 0;
}

这篇关于OpenCV 形态学操作应用——提取水平与垂直线的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！