图像的膨胀与腐蚀——OpenCV与C++的具体实现

1. 膨胀与腐蚀的原理

膨胀与腐蚀是数学形态学在图像处理中最基础的操作。在笔者之前的文章《图像的卷积(滤波)运算(一)——图像梯度》《图像的卷积(滤波)运算(二)——高斯滤波》具体介绍了图像卷积\滤波的具体的概念与操作,图像的膨胀与腐蚀其实也是一种类似的卷积操作。其卷积操作非常简单,对于图像的每个像素,取其一定的邻域,计算最大值/最小值作为新图像对应像素位置的像素值。其中,取最大值就是膨胀,取最小值就是腐蚀。

2. 膨胀的具体实现

1) OpenCV实现

在OpenCV中实现了图像膨胀的函数dilate(),可以直接调用:

Mat img = imread(imagename, IMREAD_GRAYSCALE);
if (img.empty())
{
	fprintf(stderr, "Can not load image %s\n", imagename);
	return -1;
}

//OpenCV方法
Mat dilated_cv;
dilate(img, dilated_cv, Mat());

dilate()函数第一个参数表示输入影像,第二个参数表示输出影像,第三个表示一个默认的核,在3X3的范围内寻找最大值。

2) C/C++实现

在一般的图像处理时,图像读写是由专门的组件进行读取的。这这里仍然使用OpenCV进行读取,以免增加复杂性。而在CV::Mat类中,提供了at()函数访问某一行某一列的像素值,可以通过at()函数去访问每一个像素的领域。

与之前OpenCV实现的一样,对于每一个像素,遍历以其像素位置为中心的3X3邻域,取最大值作为新图像对应位置的像素值。
其具体实现如下:

//从文件中读取成灰度图像
const char* imagename = "D:\\Data\\imgDemo\\lena.jpg";
Mat img = imread(imagename, IMREAD_GRAYSCALE);
if (img.empty())
{
	fprintf(stderr, "Can not load image %s\n", imagename);
	return -1;
}

//自定义方法
Mat dilated_my;
dilated_my.create(img.rows, img.cols, CV_8UC1);
for (int i = 0; i < img.rows; ++i)
{
	for (int j = 0; j < img.cols; ++j)
	{	
		//uchar minV = 255;
		uchar maxV = 0;
	
		//遍历周围最大像素值
		for (int yi = i-1; yi <= i+1; yi++)
		{
			for (int xi = j-1; xi <= j+1; xi++)
			{					
				if (xi<0||xi>= img.cols|| yi<0 || yi >= img.rows)
				{
					continue;
				}					
				//minV = (std::min<uchar>)(minV, img.at<uchar>(yi, xi));
				maxV = (std::max<uchar>)(maxV, img.at<uchar>(yi, xi));			
			}
		}
		dilated_my.at<uchar>(i, j) = maxV;
	}
}	

3) 验证与结果

为了验证自己的算法是否正确,可以通过把两者膨胀的结果通过compare()函数进行比较。compare()函数会逐个比较两者的像素值,如果相同就会返回255(白色),如果不相同就会返回0(黑色)。整个过程的具体实现如下:

#include <iostream>
#include <algorithm>
#include <opencv2\opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
	//从文件中读取成灰度图像
	const char* imagename = "D:\\Data\\imgDemo\\lena.jpg";
	Mat img = imread(imagename, IMREAD_GRAYSCALE);
	if (img.empty())
	{
		fprintf(stderr, "Can not load image %s\n", imagename);
		return -1;
	}
	
	//OpenCV方法
	Mat dilated_cv;
	dilate(img, dilated_cv, Mat());

	//自定义方法
	Mat dilated_my;
	dilated_my.create(img.rows, img.cols, CV_8UC1);
	for (int i = 0; i < img.rows; ++i)
	{
		for (int j = 0; j < img.cols; ++j)
		{	
			//uchar minV = 255;
			uchar maxV = 0;
		
			//遍历周围最大像素值
			for (int yi = i-1; yi <= i+1; yi++)
			{
				for (int xi = j-1; xi <= j+1; xi++)
				{					
					if (xi<0||xi>= img.cols|| yi<0 || yi >= img.rows)
					{
						continue;
					}					
					//minV = (std::min<uchar>)(minV, img.at<uchar>(yi, xi));
					maxV = (std::max<uchar>)(maxV, img.at<uchar>(yi, xi));			
				}
			}
			dilated_my.at<uchar>(i, j) = maxV;
		}
	}	

	//比较两者的结果
	Mat c;
	compare(dilated_cv, dilated_my, c, CMP_EQ);

	//显示
	imshow("原始", img);
	imshow("膨胀_cv", dilated_cv);
	imshow("膨胀_my", dilated_my);
	imshow("比较结果", c);
		
	waitKey();
	
	return 0;
}

其运行结果如下所示。可以发现最后的比较结果是一张白色的图像,说明自己实现的算法是正确的。

3. 腐蚀的具体实现

同样的办法可以实现图像腐蚀的过程,只要将求局部最大值改成局部最小值就可以了。具体实现过程如下:

#include <iostream>
#include <algorithm>
#include <opencv2\opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
	//从文件中读取成灰度图像
	const char* imagename = "D:\\Data\\imgDemo\\lena.jpg";
	Mat img = imread(imagename, IMREAD_GRAYSCALE);
	if (img.empty())
	{
		fprintf(stderr, "Can not load image %s\n", imagename);
		return -1;
	}
	
	//OpenCV方法
	Mat eroded_cv;
	erode(img, eroded_cv, Mat());

	//自定义方法
	Mat eroded_my;
	eroded_my.create(img.cols, img.rows, CV_8UC1);
	for (int i = 0; i < img.rows; ++i)
	{
		for (int j = 0; j < img.cols; ++j)
		{	
			uchar minV = 255;
			//uchar maxV = 0;
		
			//遍历周围最大像素值
			for (int yi = i-1; yi <= i+1; yi++)
			{
				for (int xi = j-1; xi <= j+1; xi++)
				{					
					if (xi<0||xi>= img.cols|| yi<0 || yi >= img.rows)
					{
						continue;
					}					
					minV = (std::min<uchar>)(minV, img.at<uchar>(yi, xi));
					//maxV = (std::max<uchar>)(maxV, img.at<uchar>(yi, xi));			
				}
			}
			eroded_my.at<uchar>(i, j) = minV;
		}
	}	

	//比较两者的结果
	Mat c;
	compare(eroded_cv, eroded_my, c, CMP_EQ);

	//显示
	imshow("原始", img);
	imshow("膨胀_cv", eroded_cv);
	imshow("膨胀_my", eroded_my);
	imshow("比较结果", c);
		
	waitKey();
	
	return 0;
}

其运行结果如下:

posted @ 2019-03-31 23:01  charlee44  阅读(4203)  评论(0编辑  收藏