opencv——morphologyEx开运算、闭运算、形态学梯度、顶帽、黑帽

opencv——morphologyEx开运算、闭运算、形态学梯度、顶
帽、⿊帽
开运算：先腐蚀后膨胀。

能够排除⼩亮点。

闭运算：先膨胀后腐蚀。

能够排除⼩⿊点。

形态学梯度：膨胀图 — 腐蚀图。

对⼆值图像进⾏这⼀操作，可将图块的边缘突出出来，故可⽤来保留物体边缘轮廓。

顶帽：原图 — 开运算结果。

可以认为是找到那些被开运算排除的⼩亮点。

⿊帽：闭运算结果 — 原图。

可以认为是找到那些被闭运算排除的⼩⿊点。

为了⽅便，opencv 将这些操作集合到了⼀个函数中 morphologyEx。

要实现不同操作，仅需改变其第三个成员变量形态学运算标识符。

形态学滤波：morphologyEx 函数
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());
src，输⼊图像，即原图像，填 Mat 类的对象即可。

dst，⽬标图像，需要和原图⽚有⼀样的尺⼨和类型。

op，形态学运算的类型。

MORPH_ERODE = 0, //腐蚀
MORPH_DILATE = 1, //膨胀
MORPH_OPEN = 2, //开操作
MORPH_CLOSE = 3, //闭操作
MORPH_GRADIENT = 4, //梯度操作
MORPH_TOPHAT = 5, //顶帽操作
MORPH_BLACKHAT = 6, //⿊帽操作
kernel，膨胀操作的核。

当为 NULL 时，表⽰的是使⽤参考点位于中⼼，⼤⼩ 3×3 的核。

⼀般⽤函数 getStructuringElement 配合这个参数使⽤。

例如：Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
Mat getStructuringElement(int shape, Size ksize, Point anchor = Point(-1, -1));
shape，矩形：MORPH_RECT
交叉形：MORPH_CROSS
椭圆形：MORPH_ELLIPSE
ksize，内核的尺⼨。

anchor，锚点的位置，默认位于中⼼。

anchor，锚点的位置，默认位于中⼼。

iterations 迭代使⽤ dilate() 的次数，默认值为 1。

borderType，边界拓展的⽅法。

borderValue，当边界为常数时的边界值，有默认值，⼀般不⽤管。