opencv的學習筆記4，opencv學習筆記4
通常更加高級的形態學變換，如開閉運算、形態學梯度、“頂帽”、“黑帽”等等，都是可以由常用的腐蝕膨脹技術結合來達到想要的效果。
1.開運算：先腐蝕後膨脹，用於用來消除小物體、在纖細點處分離物體、平滑較大物體的邊界的同時並不明顯改變其面積，就是使圖片過度更為順暢，填補小的空隙。
2.閉運算：先膨脹後腐蝕，能夠排除小型黑洞(黑色區域)，就是不讓圖片有細小分支向外伸出。
3.形態學梯度（Morphological Gradient）：
膨脹圖與腐蝕圖之差，數學表達式如下：
![]()
二值圖像進行這一操作可以將團塊（blob）的邊緣突出出來。我們可以用形態學梯度來保留物體的邊緣輪廓
4.頂帽（Top Hat）:
頂帽運算（Top Hat）又常常被譯為”禮帽“運算。為原圖像與上文剛剛介紹的“開運算“的結果圖之差，數學表達式如下：
頂帽運算往往用來分離比鄰近點亮一些的斑塊。當一幅圖像具有大幅的背景的時候，而微小物品比較有規律的情況下，可以使用頂帽運算進行背景提取。
5.黑帽（Black Hat）：
黑帽（Black Hat）運算為”閉運算“的結果圖與原圖像之差。數學表達式為：
黑帽運算後的效果圖突出了比原圖輪廓周圍的區域更暗的區域，且這一操作和選擇的核的大小相關。
所以，黑帽運算用來分離比鄰近點暗一些的斑塊。
6.API函數實現：
void morphologyEx( InputArray src, OutputArray dst, int op, InputArraykernel, Pointanchor=Point(-1,-1), intiterations=1, intborderType=BORDER_CONSTANT, constScalar& borderValue=morphologyDefaultBorderValue() );
- 第一個參數，InputArray類型的src，輸入圖像，即源圖像，填Mat類的對象即可。圖像位深應該為以下五種之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F。
- 第二個參數，OutputArray類型的dst，即目標圖像，函數的輸出參數，需要和源圖片有一樣的尺寸和類型。
- 第三個參數，int類型的op，表示形態學運算的類型，可以是如下之一的標識符：
- MORPH_OPEN – 開運算（Opening operation）
- MORPH_CLOSE – 閉運算（Closing operation）
- MORPH_GRADIENT -形態學梯度（Morphological gradient）
- MORPH_TOPHAT - “頂帽”（“Top hat”）
- MORPH_BLACKHAT - “黑帽”（“Black hat“）
另有CV版本的標識符也可選擇，如CV_MOP_CLOSE，CV_MOP_GRADIENT，CV_MOP_TOPHAT，CV_MOP_BLACKHAT，這應該是OpenCV1.0系列版本遺留下來的標識符，和上面的“MORPH_OPEN”一樣的效果。
- 第四個參數，InputArray類型的kernel，形態學運算的內核。若為NULL時，表示的是使用參考點位於中心3x3的核。我們一般使用函數 getStructuringElement配合這個參數的使用。getStructuringElement函數會返回指定形狀和尺寸的結構元素（內核矩陣）。關於getStructuringElement我們上篇文章中講過了，這裡為了大家參閱方便，再寫一遍：
其中，getStructuringElement函數的第一個參數表示內核的形狀，我們可以選擇如下三種形狀之一:
-
- 矩形: MORPH_RECT
- 交叉形: MORPH_CROSS
- 橢圓形: MORPH_ELLIPSE
- 第五個參數，Point類型的anchor，錨的位置，其有默認值（-1，-1），表示錨位於中心。
- 第六個參數，int類型的iterations，迭代使用函數的次數，默認值為1。
- 第七個參數，int類型的borderType，用於推斷圖像外部像素的某種邊界模式。注意它有默認值BORDER_ CONSTANT。
- 第八個參數，const Scalar&類型的borderValue，當邊界為常數時的邊界值，有默認值morphologyDefaultBorderValue()，一般我們不用去管他。需要用到它時，可以看官方文檔中的createMorphologyFilter()函數得到更詳細的解釋。
這裡看的亂七八糟，這是原貼：http://blog.csdn.net/poem_qianmo/article/details/24599073
