2. 程式人生 > >Opencv---通過形態學操作提取水平和垂直線

Opencv---通過形態學操作提取水平和垂直線

阿新 • • 發佈：2018-12-12

OpenCV通過使用形態學操作來提取水平和垂直線

目標

在本教程中，您將學習如何：

  • 應用兩個非常常見的形態運算子（即擴張和侵蝕），建立自定義核心，以便在水平軸和垂直軸上提取直線。為此，您將使用以下OpenCV功能：CV ::侵蝕CV ::擴張CV :: getStructuringElement在一個例子中，您的目標是從音樂表中提取音樂筆記。

理論

形態操作

形態學是一組影象處理操作，其基於預定義的也稱為核心的結構元素來處理影象。輸出影象中的每個畫素的值基於輸入影象中的對應畫素與其鄰居的比較。通過選擇核心的大小和形狀，您可以構建對輸入影象的特定形狀敏感的形態操作。

兩個最基本的形態操作是擴張和侵蝕。擴散將畫素新增到影象中物件的邊界，而侵蝕恰恰相反。新增或刪除的畫素數量分別取決於用於處理影象的結構元素的大小和形狀。一般來說，這兩個操作遵循的規則如下：

  • 擴充套件：輸出畫素的值是屬於結構元素大小和形狀的所有畫素的最大值。例如，在二進位制影象中，如果落入核心範圍內的輸入影象的任何畫素被設定為值1，則輸出影象的相應畫素也將被設定為1。後者適用於任何型別的影象（例如灰度，bgr等）。

二進位制影象的擴張

二進位制影象的擴張

灰度影象的擴張

灰度影象的擴張

  • 侵蝕：反之亦然適用於侵蝕作業。輸出畫素的值是落在結構元素的大小和形狀內的所有畫素的最小值。看下面的例子：

    侵蝕二進位制影象

侵蝕二進位制影象

灰度影象侵蝕

灰度影象侵蝕

結構元素

如上所述，通常在任何形態學操作中，用於探測輸入影象的結構元素是最重要的部分。

一個結構化元素是一個由只有0和1組成的矩陣，可以有任意的任意形狀和大小。通常比正在處理的影象小得多，而值為1的畫素定義鄰域。稱為原點的結構元素的中心畫素標識感興趣的畫素 - 正在處理的畫素。

例如，下面示出了7×7尺寸的菱形結構元件。

OpenCV

鑽石形結構元件及其起源

結構元素可以具有許多常見的形狀，例如線，菱形，圓盤，週期線以及圓和尺寸。您通常選擇與要在輸入影象中處理/提取的物件相同的大小和形狀的結構元素。例如，要在影象中查詢行，請建立一個線性結構元素，您將在後面看到。

Code

本教程程式碼如下所示：


#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main(int, char** argv)
{
    // Load the image
    Mat src = imread(argv[1]);
    // Check if image is loaded fine
    if(!src.data)
        cerr << "Problem loading image!!!" << endl;
    // Show source image
    imshow("src", src);
    // Transform source image to gray if it is not
    Mat gray;
    if (src.channels() == 3)
    {
        cvtColor(src, gray, CV_BGR2GRAY);
    }
    else
    {
        gray = src;
    }
    // Show gray image
    imshow("gray", gray);
    // Apply adaptiveThreshold at the bitwise_not of gray, notice the ~ symbol
    Mat bw;
    adaptiveThreshold(~gray, bw, 255, CV_ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);
    // Show binary image
    imshow("binary", bw);
    // Create the images that will use to extract the horizontal and vertical lines
    Mat horizontal = bw.clone();
    Mat vertical = bw.clone();
    // Specify size on horizontal axis
    int horizontalsize = horizontal.cols / 30;
    // Create structure element for extracting horizontal lines through morphology operations
    Mat horizontalStructure = getStructuringElement(MORPH_RECT, Size(horizontalsize,1));
    // Apply morphology operations
    erode(horizontal, horizontal, horizontalStructure, Point(-1, -1));
    dilate(horizontal, horizontal, horizontalStructure, Point(-1, -1));
    // Show extracted horizontal lines
    imshow("horizontal", horizontal);
    // Specify size on vertical axis
    int verticalsize = vertical.rows / 30;
    // Create structure element for extracting vertical lines through morphology operations
    Mat verticalStructure = getStructuringElement(MORPH_RECT, Size( 1,verticalsize));
    // Apply morphology operations
    erode(vertical, vertical, verticalStructure, Point(-1, -1));
    dilate(vertical, vertical, verticalStructure, Point(-1, -1));
    // Show extracted vertical lines
    imshow("vertical", vertical);
    // Inverse vertical image
    bitwise_not(vertical, vertical);
    imshow("vertical_bit", vertical);
    // Extract edges and smooth image according to the logic
    // 1. extract edges
    // 2. dilate(edges)
    // 3. src.copyTo(smooth)
    // 4. blur smooth img
    // 5. smooth.copyTo(src, edges)
    // Step 1
    Mat edges;
    adaptiveThreshold(vertical, edges, 255, CV_ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 3, -2);
    imshow("edges", edges);
    // Step 2
    Mat kernel = Mat::ones(2, 2, CV_8UC1);
    dilate(edges, edges, kernel);
    imshow("dilate", edges);
    // Step 3
    Mat smooth;
    vertical.copyTo(smooth);
    // Step 4
    blur(smooth, smooth, Size(2, 2));
    // Step 5
    smooth.copyTo(vertical, edges);
    // Show final result
    imshow("smooth", vertical);
    waitKey(0);
    return 0;
}

說明/結果

  • 載入源影象並檢查它是否載入沒有任何問題，然後顯示：
    // Load the image
    Mat src = imread(argv[1]);
    // Check if image is loaded fine
    if(!src.data)
        cerr << "Problem loading image!!!" << endl;
    // Show source image
    imshow("src", src);

OpenCV提取水平和垂直線

  • 然後將影象轉換為灰度，如果還沒有：
    // Transform source image to gray if it is not
    Mat gray;
    if (src.channels() == 3)
    {
        cvtColor(src, gray, CV_BGR2GRAY);
    }
    else
    {
        gray = src;
    }
    // Show gray image
    imshow("gray", gray);

OpenCV通過使用形態學操作來提取水平和垂直線

  • 然後將灰度影象轉換為二進位制。注意〜符號，表示我們使用它的逆（即bitwise_not）版本：
    // Apply adaptiveThreshold at the bitwise_not of gray, notice the ~ symbol
    Mat bw;
    adaptiveThreshold(~gray, bw, 255, CV_ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);
    // Show binary image
    imshow("binary", bw);

OpenCV提取水平和垂直線

  • 現在，我們準備應用形態學操作來提取水平和垂直線，並將音樂筆記與樂譜分開，但首先讓我們初始化我們將使用的輸出影象：
    // Create the images that will use to extract the horizontal and vertical lines
    Mat horizontal = bw.clone();
    Mat vertical = bw.clone();

正如我們在理論中指定的，為了提取我們想要的物件，我們需要建立相應的結構元素。因為這裡我們要提取水平線，所以用於此目的的相應結構元素將具有以下形狀：

OpenCV

在原始碼中，它由以下程式碼片段代表：

   // Specify size on horizontal axis
    int horizontalsize = horizontal.cols / 30;
    // Create structure element for extracting horizontal lines through morphology operations
    Mat horizontalStructure = getStructuringElement(MORPH_RECT, Size(horizontalsize,1));
    // Apply morphology operations
    erode(horizontal, horizontal, horizontalStructure, Point(-1, -1));
    dilate(horizontal, horizontal, horizontalStructure, Point(-1, -1));
    // Show extracted horizontal lines
    imshow("horizontal", horizontal);

OpenCV通過使用形態學操作來提取水平和垂直線

  • 同樣適用於垂直線，具有相應的結構元素：

OpenCV通過使用形態學操作來提取水平和垂直線

這又表示如下：

    // Specify size on vertical axis
    int verticalsize = vertical.rows / 30;
    // Create structure element for extracting vertical lines through morphology operations
    Mat verticalStructure = getStructuringElement(MORPH_RECT, Size( 1,verticalsize));
    // Apply morphology operations
    erode(vertical, vertical, verticalStructure, Point(-1, -1));
    dilate(vertical, vertical, verticalStructure, Point(-1, -1));
    // Show extracted vertical lines
    imshow("vertical", vertical);

OpenCV通過使用形態學操作來提取水平和垂直線

  • 你可以看到我們幾乎在那裡 但是，在這一點上你會注意到這些筆記的邊緣有點粗糙。為此，我們需要細化邊緣以獲得更平滑的結果：
    // Inverse vertical image
    bitwise_not(vertical, vertical);
    imshow("vertical_bit", vertical);
    // Extract edges and smooth image according to the logic
    // 1. extract edges
    // 2. dilate(edges)
    // 3. src.copyTo(smooth)
    // 4. blur smooth img
    // 5. smooth.copyTo(src, edges)
    // Step 1
    Mat edges;
    adaptiveThreshold(vertical, edges, 255, CV_ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 3, -2);
    imshow("edges", edges);
    // Step 2
    Mat kernel = Mat::ones(2, 2, CV_8UC1);
    dilate(edges, edges, kernel);
    imshow("dilate", edges);
    // Step 3
    Mat smooth;
    vertical.copyTo(smooth);
    // Step 4
    blur(smooth, smooth, Size(2, 2));
    // Step 5
    smooth.copyTo(vertical, edges);
    // Show final result
    imshow("smooth", vertical);

OpenCV通過使用形態學操作來提取水平和垂直線

相關推薦

Opencv---通過形態學操作提取水平和垂直線

OpenCV通過使用形態學操作來提取水平和垂直線 目標 在本教程中，您將學習如何： 應用兩個非常常見的形態運算子（即擴張和侵蝕），建立自定義核心，以便在水平軸和垂直軸上提取直線。為此，您將使用以下OpenCV功能：CV ::侵蝕CV ::擴張CV :: getStruc

OpenCv--提取水平和垂直線(通過膨脹和腐蝕操作)

提取步驟 輸入彩色影象 轉換為灰度影象--cvtcolor 轉換為二值影象--adaptiveThreshold（Threshold） 定義結構元素  *(重點) 開操作（腐蝕+膨脹）提取，水平和垂直線 二值影象   二值影象是指在影象中，灰度等級只有兩種，也就是

第十九天開閉操作 提取水平、垂直線

開閉操作都是基於先腐蝕再膨脹進行運算的， kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (**, **)) 腐蝕時候將x軸設為1個畫素點，即去掉水平方向的線。豎直方向同理. 總結開操作可以刪除小的干擾塊 閉操作是先膨脹再腐蝕，參見下圖，黑色

OpenCV--提取水平與垂直線（形態學操作應用）

      影象形態學操作的時候，可以通過自定義的結構元素實現結構元素對輸入影象一些物件敏感，另外一些物件不敏感，這樣就會讓敏感的物件改變而不敏感的物件保留輸出。通過使用兩個最基本的形態學操作–膨脹與腐蝕，使用不同的結構元素實現對輸入影象的操作，得到想要的結果。

OpenCV的形態學操作（Morphological Transformation）

erosion 侵蝕圖形，瘦身操作。 dilate 膨脹圖形，增肥操作。 Opening 開運算，先侵蝕後膨脹。 去除噪聲，分開噪聲。 Closing 閉運算，先膨脹後侵蝕。 填充關閉物件內部的小洞，或者影象上的小黑點。 Morphological Gradi

OpenCV 系列 --- 形態學操作(膨脹、腐蝕)

形態學操作是基於形狀的一系列影象處理操作，基本的運算包括：腐蝕、膨脹、開、閉等。在進行其他演算法研發時，我基本只用膨脹與腐蝕操作，因此本文只介紹這兩種操作，其他的可以相似地進行。 關鍵點 操作是對影象中的高亮區域進行的，比如膨脹，就是將影象中的高亮區域

OpenCv形態學操作和漫水填充

OpenCv形態學操作 函式介紹 在常用的腐蝕和膨脹基礎上，常使用**morphology()**函式. 該方法支援常用的灰度圖或是彩色影象(會分單通道處理)。 " morphologyEx函式的引數宣告 " void morpholo

#OpenCV##MFC#利用MFC和OpenCV通過系統對話框打開和保存圖片

代碼 pat pda show 選擇 gif buffer length anti 打開圖片： void CImageProDlg::OnImageopen() { // TODO: 在此添加命令處理程序代碼 Invalidate(); CFil

opencv--形態學操作

開操作 功能 消除小物體； 在纖細處分離物體； 平滑較大的邊界並不明顯改變其面積； 數學公式 閉操作 功能 消除小型黑洞（黑斑）。 數學公式 形態學梯度 功能 對二值影象進行這一操作可以將團塊（blob）的邊緣突

通過jndi程式設計rmi實現和操作檔案的實現 以及jndi的spi實現

　　   JNDI是java提供的命名介面服務，需要第三方公司按照SPI所提供的服務實現，FSSP的官方資源包下載地址;http://www.oracle.com/technetwork/java/javasebusiness/downloads/java-archive-downloa

opencv學習（二十三）：形態學操作

影象的形態學處理         數學形態學（Mathematical morphology）是一門 建立在格論和拓撲學基礎之上的影象分析學科，是數學形態學影象處理的基本理論。其基本的運算包括：腐蝕和膨脹、開運算和閉

【OpenCV計算機視覺程式設計攻略】用形態學濾波器檢測邊緣和角點

準備工作： 腐蝕和膨脹是最基本的形態學運算， 數學形態學中最基本的概念是結構元素。 結構元素可以簡單地定義為畫素的組合（下圖的正方形） ， 在對應的畫素上定義了一個原點（也稱錨點） 。 形態學濾波器的應用過程就包含了用這個結構元素探測影象中每個畫素的操作過程。 把某個畫素設

通過$ref來操作DOM元素和元件

要點： 這裡的$ref相關的操作就是為了避免操作DOM，Vue提供的方案。效果等同於原生的id，然後操作 HTML程式碼： <!DOCTYPE html> <html lang="en"> <head> <meta ch

OpenCV學習筆記【六】影象的混合操作，對比度和亮度調整

線性混合是一種典型的二元（兩個輸入）的畫素操作，它的理論公式如下：                                                              我們通過在範圍0到1之間改變alpha值，來對兩幅影象或兩段視訊產生時間上的畫面

（5）opencv的基礎操作和矩陣的掩模操作

簡單 ast ext ostream turn ons out 新的 return 不懂的，可以簡單，看看這個網址：https://blog.csdn.net/xiongwen_li/article/details/78503491 圖片放到了桌面，所以，圖片的路徑就是桌面

Opencv 各種特徵點提取和匹配

opencv 特徵點的提取和匹配 1. 當中的資料結構 KeyPoint這資料結構中有如下資料結構： class KeyPoint { Point2f pt; //座標 float size;

opencv學習---計算影象的水平積分投影和垂直積分投影

#include<opencv2\opencv.hpp> #include<stdio.h> using namespace cv; Mat VerticalProjection(Mat srcImage)//垂直積分投影 { if (srcImage.channels() >

Kotlin通過Id操作View，Adapter和動態載入Xml檔案也可以類似操作

如果使用kotlin，什麼butterknife繫結，Xutil註解都不需要，只需要通過id就可以操作view，非常方便，但是在使用的過程中還是遇到兩個值得記錄的問題如下： 針對adapter中通過id來操作 針對動態載入佈局通過id來操作 其實兩者本質

Mapper通過實現介面進行增加和檢視操作

首先，為了避免開啟sql會話的準備工作多次進行，採用靜態方法，對準備工作靜態初始化，建立一個BaseDAO類： ---------------------------------------------程式碼開始------------------------------------------

opencv自定義核進行膨脹和腐蝕操作

#include "stdio.h" #include "opencv2/opencv.hpp" #include "opencv2/core/core.hpp" #include "opencv2/