OpenCV识别提取图像中的水平线与垂直线
MnisRain 人气:0本文着重为大家仔细讲解了OpenCV识别提取图像中的水平线与垂直线,文中代码实例讲解的非常细致,希望能够帮助到您,欢迎大家阅读和收藏
1).原理
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
常见的形状:矩形、园、直线、磁盘形状、砖石形状等各种自定义形状。
2).步骤
1.输入图像彩色图像 imread
2.转换为灰度图像 – cvtColor
3.转换为二值图像 – adaptiveThreshold
4.定义结构元素
5.开操作 (腐蚀+膨胀)提取 水平与垂直线
3).完整代码
(本人的运行环境是:vs2017+OpenCV3.4)
#include <opencv2/opencv.hpp> #include <iostream> #include <math.h> using namespace std; using namespace cv; //灰度化图像 Mat gray_Img(Mat src) { Mat dst = Mat::zeros(src.size(), src.type()); cvtColor(src, dst, CV_BGR2GRAY); return dst; } //自适应阈值(二值化图像) Mat threshold_Img(Mat src) { Mat dst = Mat::zeros(src.size(), src.type()); //参数:输入, 输出, 二值图像的最大值 , 在一个邻域内计算阈值所采用的算法,有两个取值分别为 ADAPTIVE_THRESH_MEAN_C 和 ADAPTIVE_THRESH_GAUSSIAN_C , 阈值类型只有两个取值,分别为 THRESH_BINARY 和THRESH_BINARY_INV,(blockSize)adaptiveThreshold的计算单位是像素的邻域块,邻域块取多大就由这个值作决定, 偏移值调整量 adaptiveThreshold(~src, dst, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2); return dst; } //结构元素(获取垂直算子) Mat get_Vertical(Mat src) { Mat dst = Mat::zeros(src.size(), src.type()); return getStructuringElement(MORPH_RECT,Size(src.cols/16,1),Point(-1,-1)); } //结构元素(获取水平算子) Mat get_Horizontal(Mat src) { Mat dst = Mat::zeros(src.size(), src.type()); return getStructuringElement(MORPH_RECT, Size(1, src.rows / 16), Point(-1, -1)); } //腐蚀 Mat erode_Img(Mat src,Mat kernel) { Mat dst = Mat::zeros(src.size(), src.type()); erode(src, dst, kernel); return dst; } //膨胀 Mat dilate_Img(Mat src, Mat kernel) { Mat dst = Mat::zeros(src.size(), src.type()); dilate(src, dst, kernel); return dst; } int main() { Mat src = imread("001.png"); if (src.empty()) { cout << "fail to load image" << endl; return -1; } namedWindow("input_Img", 0); imshow("input_Img", src); //输入图像转灰度 Mat grayImg = gray_Img(src); namedWindow("input_Img_gray", 0); imshow("input_Img_gray", grayImg); //二值化图像 Mat thresholdImg = threshold_Img(grayImg); namedWindow("input_Img_threshold", 0); imshow("input_Img_threshold", thresholdImg); Mat verticalLine = get_Vertical(src); Mat horizontalLine = get_Horizontal(src); //先腐蚀再膨胀 Mat vertical_Line_erode = erode_Img(thresholdImg, verticalLine); Mat vertical_Line_dilate = dilate_Img(vertical_Line_erode, verticalLine); //显示图像中的垂直线 namedWindow("verticalLine", 0); imshow("verticalLine", vertical_Line_dilate); Mat horizontal_Line_erode = erode_Img(thresholdImg, horizontalLine); Mat horizontal_Line_dilate = dilate_Img(horizontal_Line_erode, horizontalLine); //显示图像中的垂直线 namedWindow("horizontalLine", 0); imshow("horizontalLine", horizontal_Line_dilate); waitKey(); return 0; }
4).我的运行结果
1.灰度化结果
2.二值化
3.提取的垂直线
4.提取的水平线
加载全部内容