當(dāng)前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

OpenCV之imgproc 模块. 图像处理（1）图像平滑处理腐蚀与膨胀(Eroding and Dilating) 更多形态学变换图像金字塔基本的阈值操作

發(fā)布時(shí)間：2025/3/21 编程问答 61 豆豆

生活随笔收集整理的這篇文章主要介紹了 OpenCV之imgproc 模块. 图像处理（1）图像平滑处理腐蚀与膨胀(Eroding and Dilating) 更多形态学变换图像金字塔基本的阈值操作小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.

圖像平滑處理

目標(biāo)

本教程教您怎樣使用各種線性濾波器對(duì)圖像進(jìn)行平滑處理，相關(guān)OpenCV函數(shù)如下:

blur
GaussianBlur
medianBlur
bilateralFilter

原理

Note

以下原理來源于Richard Szeliski 的著作?Computer Vision: Algorithms and Applications?以及?Learning OpenCV

平滑?也稱?模糊, 是一項(xiàng)簡(jiǎn)單且使用頻率很高的圖像處理方法。
平滑處理的用途有很多，但是在本教程中我們僅僅關(guān)注它減少噪聲的功用 (其他用途在以后的教程中會(huì)接觸到)。
平滑處理時(shí)需要用到一個(gè)?濾波器?。最常用的濾波器是?線性?濾波器，線性濾波處理的輸出像素值 (i.e.?) 是輸入像素值 (i.e.?)的加權(quán)和 :

?稱為?核, 它僅僅是一個(gè)加權(quán)系數(shù)。

不妨把?濾波器?想象成一個(gè)包含加權(quán)系數(shù)的窗口，當(dāng)使用這個(gè)濾波器平滑處理圖像時(shí)，就把這個(gè)窗口滑過圖像。
濾波器的種類有很多，這里僅僅提及最常用的:

歸一化塊濾波器 (Normalized Box Filter)

最簡(jiǎn)單的濾波器，輸出像素值是核窗口內(nèi)像素值的?均值?( 所有像素加權(quán)系數(shù)相等)
核如下:

高斯濾波器 (Gaussian Filter)

最有用的濾波器 (盡管不是最快的)。高斯濾波是將輸入數(shù)組的每一個(gè)像素點(diǎn)與?高斯內(nèi)核?卷積將卷積和當(dāng)作輸出像素值。
還記得1維高斯函數(shù)的樣子嗎?

假設(shè)圖像是1維的,那么觀察上圖，不難發(fā)現(xiàn)中間像素的加權(quán)系數(shù)是最大的，周邊像素的加權(quán)系數(shù)隨著它們遠(yuǎn)離中間像素的距離增大而逐漸減小。

Note

2維高斯函數(shù)可以表達(dá)為 :

其中??為均值 (峰值對(duì)應(yīng)位置)，??代表標(biāo)準(zhǔn)差 (變量??和變量??各有一個(gè)均值，也各有一個(gè)標(biāo)準(zhǔn)差)

中值濾波器 (Median Filter)

中值濾波將圖像的每個(gè)像素用鄰域 (以當(dāng)前像素為中心的正方形區(qū)域)像素的?中值?代替。

雙邊濾波 (Bilateral Filter)

目前我們了解的濾波器都是為了?平滑?圖像，問題是有些時(shí)候這些濾波器不僅僅削弱了噪聲，連帶著把邊緣也給磨掉了。為避免這樣的情形 (至少在一定程度上 ), 我們可以使用雙邊濾波。
類似于高斯濾波器，雙邊濾波器也給每一個(gè)鄰域像素分配一個(gè)加權(quán)系數(shù)。這些加權(quán)系數(shù)包含兩個(gè)部分, 第一部分加權(quán)方式與高斯濾波一樣，第二部分的權(quán)重則取決于該鄰域像素與當(dāng)前像素的灰度差值。
詳細(xì)的解釋可以查看?鏈接

源碼

本程序做什么?
- 裝載一張圖像
- 使用4種不同濾波器 (見原理部分) 并顯示平滑圖像
下載代碼: 點(diǎn)擊?這里
代碼一瞥:

#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp"using namespace std; using namespace cv;/// 全局變量 int DELAY_CAPTION = 1500; int DELAY_BLUR = 100; int MAX_KERNEL_LENGTH = 31;Mat src; Mat dst; char window_name[] = "Filter Demo 1";/// 函數(shù)申明 int display_caption( char* caption ); int display_dst( int delay );/** * main 函數(shù) */int main( int argc, char** argv ){namedWindow( window_name, CV_WINDOW_AUTOSIZE );/// 載入原圖像src = imread( "../images/lena.jpg", 1 );if( display_caption( "Original Image" ) != 0 ) { return 0; }dst = src.clone();if( display_dst( DELAY_CAPTION ) != 0 ) { return 0; }/// 使用均值平滑if( display_caption( "Homogeneous Blur" ) != 0 ) { return 0; }for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ){ blur( src, dst, Size( i, i ), Point(-1,-1) );if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }/// 使用高斯平滑if( display_caption( "Gaussian Blur" ) != 0 ) { return 0; }for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ){ GaussianBlur( src, dst, Size( i, i ), 0, 0 );if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }/// 使用中值平滑if( display_caption( "Median Blur" ) != 0 ) { return 0; }for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ){ medianBlur ( src, dst, i );if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }/// 使用雙邊平滑if( display_caption( "Bilateral Blur" ) != 0 ) { return 0; }for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ){ bilateralFilter ( src, dst, i, i*2, i/2 );if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }/// 等待用戶輸入display_caption( "End: Press a key!" );waitKey(0);return 0;}int display_caption( char* caption ){dst = Mat::zeros( src.size(), src.type() );putText( dst, caption,Point( src.cols/4, src.rows/2),CV_FONT_HERSHEY_COMPLEX, 1, Scalar(255, 255, 255) );imshow( window_name, dst );int c = waitKey( DELAY_CAPTION );if( c >= 0 ) { return -1; }return 0;}int display_dst( int delay ){imshow( window_name, dst );int c = waitKey ( delay );if( c >= 0 ) { return -1; }return 0;}

解釋

下面看一看有關(guān)平滑的OpenCV函數(shù)，其余部分大家已經(jīng)很熟了。

歸一化塊濾波器:

OpenCV函數(shù)?blur?執(zhí)行了歸一化塊平滑操作。

for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ){ blur( src, dst, Size( i, i ), Point(-1,-1) );if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }

我們輸入4個(gè)實(shí)參 (詳細(xì)的解釋請(qǐng)參考 Reference):

src: 輸入圖像
dst: 輸出圖像
Size( w,h ): 定義內(nèi)核大小(?w?像素寬度，?h?像素高度)
Point(-1, -1): 指定錨點(diǎn)位置(被平滑點(diǎn))，如果是負(fù)值，取核的中心為錨點(diǎn)。

高斯濾波器:

OpenCV函數(shù)?GaussianBlur?執(zhí)行高斯平滑 :

for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ){ GaussianBlur( src, dst, Size( i, i ), 0, 0 );if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }

我們輸入4個(gè)實(shí)參 (詳細(xì)的解釋請(qǐng)參考 Reference):

src: 輸入圖像
dst: 輸出圖像
Size(w, h): 定義內(nèi)核的大小(需要考慮的鄰域范圍)。??和??必須是正奇數(shù)，否則將使用??和?參數(shù)來計(jì)算內(nèi)核大小。
: x 方向標(biāo)準(zhǔn)方差，如果是??則??使用內(nèi)核大小計(jì)算得到。
: y 方向標(biāo)準(zhǔn)方差，如果是??則??使用內(nèi)核大小計(jì)算得到。.

中值濾波器:

OpenCV函數(shù)?medianBlur?執(zhí)行中值濾波操作:

for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ){ medianBlur ( src, dst, i );if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }

我們用了3個(gè)參數(shù):

src: 輸入圖像
dst: 輸出圖像, 必須與?src?相同類型
i: 內(nèi)核大小 (只需一個(gè)值，因?yàn)槲覀兪褂谜叫未翱?，必須為奇數(shù)。

雙邊濾波器

OpenCV函數(shù)?bilateralFilter?執(zhí)行雙邊濾波操作:

for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ){ bilateralFilter ( src, dst, i, i*2, i/2 );if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }

我們使用了5個(gè)參數(shù):

src: 輸入圖像
dst: 輸出圖像
d: 像素的鄰域直徑
: 顏色空間的標(biāo)準(zhǔn)方差
: 坐標(biāo)空間的標(biāo)準(zhǔn)方差(像素單位)

結(jié)果

程序顯示了原始圖像(?lena.jpg) 和使用4種濾波器之后的效果圖。
這里顯示的是使用?中值濾波?之后的效果圖:

腐蝕與膨脹(Eroding and Dilating)

目標(biāo)

本文檔嘗試解答如下問題:

如何使用OpenCV提供的兩種最基本的形態(tài)學(xué)操作,腐蝕與膨脹( Erosion 與 Dilation):
- erode
- dilate

原理

Note

以下內(nèi)容來自于Bradski和Kaehler的大作：?Learning OpenCV?.

形態(tài)學(xué)操作

簡(jiǎn)單來講，形態(tài)學(xué)操作就是基于形狀的一系列圖像處理操作。通過將?結(jié)構(gòu)元素?作用于輸入圖像來產(chǎn)生輸出圖像。
最基本的形態(tài)學(xué)操作有二：腐蝕與膨脹(Erosion 與 Dilation)。他們的運(yùn)用廣泛:
- 消除噪聲
- 分割(isolate)獨(dú)立的圖像元素，以及連接(join)相鄰的元素。
- 尋找圖像中的明顯的極大值區(qū)域或極小值區(qū)域。
通過以下圖像，我們簡(jiǎn)要來討論一下膨脹與腐蝕操作(譯者注：注意這張圖像中的字母為黑色，背景為白色，而不是一般意義的背景為黑色，前景為白色）:

膨脹

此操作將圖像??與任意形狀的內(nèi)核 ()，通常為正方形或圓形,進(jìn)行卷積。
內(nèi)核??有一個(gè)可定義的?錨點(diǎn), 通常定義為內(nèi)核中心點(diǎn)。
進(jìn)行膨脹操作時(shí)，將內(nèi)核??劃過圖像,將內(nèi)核??覆蓋區(qū)域的最大相素值提取，并代替錨點(diǎn)位置的相素。顯然，這一最大化操作將會(huì)導(dǎo)致圖像中的亮區(qū)開始”擴(kuò)展” (因此有了術(shù)語膨脹?dilation?)。對(duì)上圖采用膨脹操作我們得到:

背景(白色)膨脹，而黑色字母縮小了。

腐蝕

腐蝕在形態(tài)學(xué)操作家族里是膨脹操作的孿生姐妹。它提取的是內(nèi)核覆蓋下的相素最小值。
進(jìn)行腐蝕操作時(shí)，將內(nèi)核??劃過圖像,將內(nèi)核??覆蓋區(qū)域的最小相素值提取，并代替錨點(diǎn)位置的相素。
以與膨脹相同的圖像作為樣本,我們使用腐蝕操作。從下面的結(jié)果圖我們看到亮區(qū)(背景)變細(xì)，而黑色區(qū)域(字母)則變大了。

源碼

下面是本教程的源碼，你也可以從?here?下載。

#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include "highgui.h" #include <stdlib.h> #include <stdio.h>using namespace cv;/// 全局變量 Mat src, erosion_dst, dilation_dst;int erosion_elem = 0; int erosion_size = 0; int dilation_elem = 0; int dilation_size = 0; int const max_elem = 2; int const max_kernel_size = 21;/** Function Headers */ void Erosion( int, void* ); void Dilation( int, void* );/** @function main */ int main( int argc, char** argv ) {/// Load 圖像src = imread( argv[1] );if( !src.data ){ return -1; }/// 創(chuàng)建顯示窗口namedWindow( "Erosion Demo", CV_WINDOW_AUTOSIZE );namedWindow( "Dilation Demo", CV_WINDOW_AUTOSIZE );cvMoveWindow( "Dilation Demo", src.cols, 0 );/// 創(chuàng)建腐蝕 TrackbarcreateTrackbar( "Element:\n 0: Rect \n 1: Cross \n 2: Ellipse", "Erosion Demo",&erosion_elem, max_elem,Erosion );createTrackbar( "Kernel size:\n 2n +1", "Erosion Demo",&erosion_size, max_kernel_size,Erosion );/// 創(chuàng)建膨脹 TrackbarcreateTrackbar( "Element:\n 0: Rect \n 1: Cross \n 2: Ellipse", "Dilation Demo",&dilation_elem, max_elem,Dilation );createTrackbar( "Kernel size:\n 2n +1", "Dilation Demo",&dilation_size, max_kernel_size,Dilation );/// Default startErosion( 0, 0 );Dilation( 0, 0 );waitKey(0);return 0; }/** @function Erosion */ void Erosion( int, void* ) {int erosion_type;if( erosion_elem == 0 ){ erosion_type = MORPH_RECT; }else if( erosion_elem == 1 ){ erosion_type = MORPH_CROSS; }else if( erosion_elem == 2) { erosion_type = MORPH_ELLIPSE; }Mat element = getStructuringElement( erosion_type,Size( 2*erosion_size + 1, 2*erosion_size+1 ),Point( erosion_size, erosion_size ) );/// 腐蝕操作erode( src, erosion_dst, element );imshow( "Erosion Demo", erosion_dst ); }/** @function Dilation */ void Dilation( int, void* ) {int dilation_type;if( dilation_elem == 0 ){ dilation_type = MORPH_RECT; }else if( dilation_elem == 1 ){ dilation_type = MORPH_CROSS; }else if( dilation_elem == 2) { dilation_type = MORPH_ELLIPSE; }Mat element = getStructuringElement( dilation_type,Size( 2*dilation_size + 1, 2*dilation_size+1 ),Point( dilation_size, dilation_size ) );///膨脹操作dilate( src, dilation_dst, element );imshow( "Dilation Demo", dilation_dst ); }

解釋

大部分代碼應(yīng)該不需要解釋了 (如果有任何疑問，請(qǐng)回頭參考前面的教程)。讓我們來回顧一下本程序的總體流程:

裝載圖像 (可以是 RGB圖像或者灰度圖 )
創(chuàng)建兩個(gè)顯示窗口 (一個(gè)用于膨脹輸出,一個(gè)用于腐蝕輸出)
為每個(gè)操作創(chuàng)建兩個(gè) Trackbars:
- 第一個(gè) trackbar “Element” 返回?erosion_elem?或者?dilation_elem
- 第二個(gè) trackbar “Kernel size” 返回?erosion_size?或者?dilation_size?。
每次移動(dòng)標(biāo)尺, 用戶函數(shù)?Erosion?或者?Dilation?就會(huì)被調(diào)用，函數(shù)將根據(jù)當(dāng)前的trackbar位置更新輸出圖像。

讓我們分析一下這兩個(gè)函數(shù):

Erosion:

/** @function Erosion */ void Erosion( int, void* ) {int erosion_type;if( erosion_elem == 0 ){ erosion_type = MORPH_RECT; }else if( erosion_elem == 1 ){ erosion_type = MORPH_CROSS; }else if( erosion_elem == 2) { erosion_type = MORPH_ELLIPSE; }Mat element = getStructuringElement( erosion_type,Size( 2*erosion_size + 1, 2*erosion_size+1 ),Point( erosion_size, erosion_size ) );/// 腐蝕操作erode( src, erosion_dst, element );imshow( "Erosion Demo", erosion_dst ); }

進(jìn)行?腐蝕?操作的函數(shù)是?erode?。它接受了三個(gè)參數(shù):
- src: 原圖像
- erosion_dst: 輸出圖像
- element: 腐蝕操作的內(nèi)核。如果不指定，默認(rèn)為一個(gè)簡(jiǎn)單的??矩陣。否則，我們就要明確指定它的形狀，可以使用函數(shù)?getStructuringElement:
  Mat element = getStructuringElement( erosion_type,Size( 2*erosion_size + 1, 2*erosion_size+1 ),Point( erosion_size, erosion_size ) );
我們可以為我們的內(nèi)核選擇三種形狀之一:
- 矩形: MORPH_RECT
- 交叉形: MORPH_CROSS
- 橢圓形: MORPH_ELLIPSE
然后，我們還需要指定內(nèi)核大小，以及?錨點(diǎn)?位置。不指定錨點(diǎn)位置，則默認(rèn)錨點(diǎn)在內(nèi)核中心位置。
就這些了，我們現(xiàn)在可以對(duì)圖像進(jìn)行腐蝕操作了。

Note

OpenCV的?erode?函數(shù)還有另外的參數(shù)，其中一個(gè)參數(shù)允許你一下對(duì)圖像進(jìn)行多次腐蝕操作。在這個(gè)簡(jiǎn)單的文檔中沒有用到它，但是你可以參考OpenCV的使用手冊(cè)。

Dilation:

下面是膨脹的代碼，你可以看到，它和?Erosion?函數(shù)是多么相似。這里我們同樣可以指定內(nèi)核的形狀，錨點(diǎn)和大小。

/** @function Dilation */ void Dilation( int, void* ) {int dilation_type;if( dilation_elem == 0 ){ dilation_type = MORPH_RECT; }else if( dilation_elem == 1 ){ dilation_type = MORPH_CROSS; }else if( dilation_elem == 2) { dilation_type = MORPH_ELLIPSE; }Mat element = getStructuringElement( dilation_type,Size( 2*dilation_size + 1, 2*dilation_size+1 ),Point( dilation_size, dilation_size ) );/// 膨脹操作dilate( src, dilation_dst, element );imshow( "Dilation Demo", dilation_dst ); }

結(jié)果

編譯并使用圖像路徑作為參數(shù)運(yùn)行程序，比如我們使用以下圖像:

下面是操作的結(jié)果。更改Trackbars的位置就會(huì)產(chǎn)生不一樣的輸出圖像，自己試試吧。最后，你還可以通過增加第三個(gè)Trackbar來控制膨脹或腐蝕的次數(shù)。

圖像金字塔

目標(biāo)

本文檔嘗試解答如下問題：

如何使用OpenCV函數(shù)?pyrUp?和?pyrDown?對(duì)圖像進(jìn)行向上和向下采樣。

原理

Note

以下內(nèi)容來自于Bradski和Kaehler的大作：?Learning OpenCV?。

當(dāng)我們需要將圖像轉(zhuǎn)換到另一個(gè)尺寸的時(shí)候，有兩種可能：
放大?圖像或者
縮小?圖像。
盡管OpenCV?幾何變換?部分提供了一個(gè)真正意義上的圖像縮放函數(shù)(resize, 在以后的教程中會(huì)學(xué)到),不過在本篇我們首先學(xué)習(xí)一下使用?圖像金字塔?來做圖像縮放, 圖像金字塔是視覺運(yùn)用中廣泛采用的一項(xiàng)技術(shù)。

圖像金字塔

一個(gè)圖像金字塔是一系列圖像的集合 - 所有圖像來源于同一張?jiān)紙D像 - 通過梯次向下采樣獲得，直到達(dá)到某個(gè)終止條件才停止采樣。
有兩種類型的圖像金字塔常常出現(xiàn)在文獻(xiàn)和應(yīng)用中:
- 高斯金字塔(Gaussian pyramid):?用來向下采樣
- 拉普拉斯金字塔(Laplacian pyramid):?用來從金字塔低層圖像重建上層未采樣圖像
在這篇文檔中我們將使用?高斯金字塔?。

高斯金字塔

想想金字塔為一層一層的圖像，層級(jí)越高，圖像越小。
每一層都按從下到上的次序編號(hào)，層級(jí)??(表示為??尺寸小于層級(jí)??())。
為了獲取層級(jí)為??的金字塔圖像，我們采用如下方法:
- 將??與高斯內(nèi)核卷積:
- 將所有偶數(shù)行和列去除。
顯而易見，結(jié)果圖像只有原圖的四分之一。通過對(duì)輸入圖像??(原始圖像) 不停迭代以上步驟就會(huì)得到整個(gè)金字塔。
以上過程描述了對(duì)圖像的向下采樣，如果將圖像變大呢?:
- 首先，將圖像在每個(gè)方向擴(kuò)大為原來的兩倍，新增的行和列以0填充()
- 使用先前同樣的內(nèi)核(乘以4)與放大后的圖像卷積，獲得 “新增像素” 的近似值。
這兩個(gè)步驟(向下和向上采樣) 分別通過OpenCV函數(shù)?pyrUp?和?pyrDown?實(shí)現(xiàn), 我們將會(huì)在下面的示例中演示如何使用這兩個(gè)函數(shù)。

Note

我們向下采樣縮小圖像的時(shí)候, 我們實(shí)際上?丟失?了一些信息。

源碼

本教程的源碼如下，你也可以從?這里?下載

#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include <math.h> #include <stdlib.h> #include <stdio.h>using namespace cv;/// 全局變量 Mat src, dst, tmp; char* window_name = "Pyramids Demo";/** * @函數(shù) main */ int main( int argc, char** argv ) {/// 指示說明printf( "\n Zoom In-Out demo \n " );printf( "------------------ \n" );printf( " * [u] -> Zoom in \n" );printf( " * [d] -> Zoom out \n" );printf( " * [ESC] -> Close program \n \n" );/// 測(cè)試圖像 - 尺寸必須能被 2^{n} 整除src = imread( "../images/chicky_512.jpg" );if( !src.data ){ printf(" No data! -- Exiting the program \n");return -1; }tmp = src;dst = tmp;/// 創(chuàng)建顯示窗口namedWindow( window_name, CV_WINDOW_AUTOSIZE );imshow( window_name, dst );/// 循環(huán)while( true ){int c;c = waitKey(10);if( (char)c == 27 ){ break; }if( (char)c == 'u' ){ pyrUp( tmp, dst, Size( tmp.cols*2, tmp.rows*2 ) );printf( "** Zoom In: Image x 2 \n" );}else if( (char)c == 'd' ){ pyrDown( tmp, dst, Size( tmp.cols/2, tmp.rows/2 ) );printf( "** Zoom Out: Image / 2 \n" );}imshow( window_name, dst );tmp = dst;}return 0; }

解釋

讓我們來回顧一下本程序的總體流程:

裝載圖像(此處路徑由程序設(shè)定，用戶無需將圖像路徑當(dāng)作參數(shù)輸入)
/// 測(cè)試圖像 - 尺寸必須能被 2^{n} 整除 src = imread( "../images/chicky_512.jpg" ); if( !src.data ){ printf(" No data! -- Exiting the program \n");return -1; }
創(chuàng)建兩個(gè)Mat實(shí)例，一個(gè)用來儲(chǔ)存操作結(jié)果(dst)，另一個(gè)用來存儲(chǔ)零時(shí)結(jié)果(tmp)。
Mat src, dst, tmp; /* ... */ tmp = src; dst = tmp;
創(chuàng)建窗口顯示結(jié)果
namedWindow( window_name, CV_WINDOW_AUTOSIZE ); imshow( window_name, dst );
執(zhí)行無限循環(huán)，等待用戶輸入。
while( true ) {int c;c = waitKey(10);if( (char)c == 27 ){ break; }if( (char)c == 'u' ){ pyrUp( tmp, dst, Size( tmp.cols*2, tmp.rows*2 ) );printf( "** Zoom In: Image x 2 \n" );}else if( (char)c == 'd' ){ pyrDown( tmp, dst, Size( tmp.cols/2, tmp.rows/2 ) );printf( "** Zoom Out: Image / 2 \n" );}imshow( window_name, dst );tmp = dst; }
如果用戶按?ESC?鍵程序退出。此外，它還提供兩個(gè)選項(xiàng):
- 向上采樣 (按 ‘u’)
  pyrUp( tmp, dst, Size( tmp.cols*2, tmp.rows*2 )
  函數(shù)?pyrUp?接受了3個(gè)參數(shù):
  - tmp: 當(dāng)前圖像，初始化為原圖像?src?。
  - dst: 目的圖像( 顯示圖像，為輸入圖像的兩倍)
  - Size( tmp.cols*2, tmp.rows*2 )?: 目的圖像大小，既然我們是向上采樣，?pyrUp?期待一個(gè)兩倍于輸入圖像(?tmp?)的大小。
- 向下采樣(按 ‘d’)
  pyrDown( tmp, dst, Size( tmp.cols/2, tmp.rows/2 )
  類似于?pyrUp, 函數(shù)?pyrDown?也接受了3個(gè)參數(shù):
  - tmp: 當(dāng)前圖像，初始化為原圖像?src?。
  - dst: 目的圖像( 顯示圖像，為輸入圖像的一半)
  - Size( tmp.cols/2, tmp.rows/2 )?:目的圖像大小，既然我們是向下采樣，?pyrDown?期待一個(gè)一半于輸入圖像(?tmp)的大小。
- 注意輸入圖像的大小(在兩個(gè)方向)必須是2的冥，否則，將會(huì)顯示錯(cuò)誤。
- 最后，將輸入圖像?tmp?更新為當(dāng)前顯示圖像, 這樣后續(xù)操作將作用于更新后的圖像。
  tmp = dst;

結(jié)果

在編譯上面的代碼之后, 我們可以運(yùn)行結(jié)果。程序調(diào)用了圖像?chicky_512.jpg?，你可以在?tutorial_code/image?文件夾找到它。注意圖像大小是?, 因此向下采樣不會(huì)產(chǎn)生錯(cuò)誤()。原圖像如下所示:
首先按兩次 ‘d’ 連續(xù)兩次向下采樣?pyrDown?，結(jié)果如圖:
由于我們縮小了圖像，我們也因此丟失了一些信息。通過連續(xù)按兩次 ‘u’ 向上采樣兩次?pyrUp?，很明顯圖像有些失真：

基本的閾值操作

目標(biāo)：

本節(jié)簡(jiǎn)介：

OpenCV中的閾值(threshold)函數(shù)：?threshold?的運(yùn)用。

基本理論：

注意：

本節(jié)的解釋出自Bradski與Kaehler的書籍?Learning OpenCV?。

什么是閾值？

最簡(jiǎn)單的圖像分割的方法。
應(yīng)用舉例：從一副圖像中利用閾值分割出我們需要的物體部分（當(dāng)然這里的物體可以是一部分或者整體）。這樣的圖像分割方法是基于圖像中物體與背景之間的灰度差異，而且此分割屬于像素級(jí)的分割。
為了從一副圖像中提取出我們需要的部分，應(yīng)該用圖像中的每一個(gè)像素點(diǎn)的灰度值與選取的閾值進(jìn)行比較，并作出相應(yīng)的判斷。（注意：閾值的選取依賴于具體的問題。即：物體在不同的圖像中有可能會(huì)有不同的灰度值。
一旦找到了需要分割的物體的像素點(diǎn)，我們可以對(duì)這些像素點(diǎn)設(shè)定一些特定的值來表示。（例如：可以將該物體的像素點(diǎn)的灰度值設(shè)定為：‘0’（黑色）,其他的像素點(diǎn)的灰度值為：‘255’（白色）；當(dāng)然像素點(diǎn)的灰度值可以任意，但最好設(shè)定的兩種顏色對(duì)比度較強(qiáng)，方便觀察結(jié)果）。

閾值化的類型：

OpenCV中提供了閾值（threshold）函數(shù)：?threshold?。
這個(gè)函數(shù)有5種閾值化類型，在接下來的章節(jié)中將會(huì)具體介紹。
為了解釋閾值分割的過程，我們來看一個(gè)簡(jiǎn)單有關(guān)像素灰度的圖片，該圖如下。該圖中的藍(lán)色水平線代表著具體的一個(gè)閾值。

閾值類型1：二進(jìn)制閾值化

該閾值化類型如下式所示:
解釋：在運(yùn)用該閾值類型的時(shí)候，先要選定一個(gè)特定的閾值量，比如：125，這樣，新的閾值產(chǎn)生規(guī)則可以解釋為大于125的像素點(diǎn)的灰度值設(shè)定為最大值(如8位灰度值最大為255)，灰度值小于125的像素點(diǎn)的灰度值設(shè)定為0。

閾值類型2：反二進(jìn)制閾值化

該閾值類型如下式所示：
解釋：該閾值化與二進(jìn)制閾值化相似，先選定一個(gè)特定的灰度值作為閾值，不過最后的設(shè)定值相反。（在8位灰度圖中，例如大于閾值的設(shè)定為0，而小于該閾值的設(shè)定為255）。

閾值類型3：截?cái)嚅撝祷?/h4>

該閾值化類型如下式所示：

解釋：同樣首先需要選定一個(gè)閾值，圖像中大于該閾值的像素點(diǎn)被設(shè)定為該閾值，小于該閾值的保持不變。（例如：閾值選取為125，那小于125的閾值不改變，大于125的灰度值（230）的像素點(diǎn)就設(shè)定為該閾值）。

閾值類型4：閾值化為0

該閾值類型如下式所示：
解釋：先選定一個(gè)閾值，然后對(duì)圖像做如下處理：1 像素點(diǎn)的灰度值大于該閾值的不進(jìn)行任何改變；2 像素點(diǎn)的灰度值小于該閾值的，其灰度值全部變?yōu)?。

閾值類型5：反閾值化為0

該閾值類型如下式所示：
解釋：原理類似于0閾值，但是在對(duì)圖像做處理的時(shí)候相反，即：像素點(diǎn)的灰度值小于該閾值的不進(jìn)行任何改變，而大于該閾值的部分，其灰度值全部變?yōu)?。

代碼示范：

簡(jiǎn)單的代碼如下。同樣也可以在網(wǎng)站中?下載?以下代碼。

#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include <stdlib.h> #include <stdio.h>using namespace cv;/// 全局變量定義及賦值int threshold_value = 0; int threshold_type = 3;; int const max_value = 255; int const max_type = 4; int const max_BINARY_value = 255;Mat src, src_gray, dst; char* window_name = "Threshold Demo";char* trackbar_type = "Type: \n 0: Binary \n 1: Binary Inverted \n 2: Truncate \n 3: To Zero \n 4: To Zero Inverted"; char* trackbar_value = "Value";/// 自定義函數(shù)聲明 void Threshold_Demo( int, void* );/** * @主函數(shù) */ int main( int argc, char** argv ) {/// 讀取一副圖片，不改變圖片本身的顏色類型（該讀取方式為DOS運(yùn)行模式）src = imread( argv[1], 1 );/// 將圖片轉(zhuǎn)換成灰度圖片cvtColor( src, src_gray, CV_RGB2GRAY );/// 創(chuàng)建一個(gè)窗口顯示圖片namedWindow( window_name, CV_WINDOW_AUTOSIZE );/// 創(chuàng)建滑動(dòng)條來控制閾值createTrackbar( trackbar_type,window_name, &threshold_type,max_type, Threshold_Demo );createTrackbar( trackbar_value,window_name, &threshold_value,max_value, Threshold_Demo );/// 初始化自定義的閾值函數(shù)Threshold_Demo( 0, 0 );/// 等待用戶按鍵。如果是ESC健則退出等待過程。while(true){int c;c = waitKey( 20 );if( (char)c == 27 ){ break; }}}/** * @自定義的閾值函數(shù) */ void Threshold_Demo( int, void* ) {/* 0: 二進(jìn)制閾值 1: 反二進(jìn)制閾值 2: 截?cái)嚅撝?/span> 3: 0閾值 4: 反0閾值 */threshold( src_gray, dst, threshold_value, max_BINARY_value,threshold_type );imshow( window_name, dst ); }

解釋：

先看一下整個(gè)程序的結(jié)構(gòu)：

先讀取一副圖片，如果是圖片顏色類型是RGB3色類型，則轉(zhuǎn)換成灰度類型的圖像。轉(zhuǎn)換顏色類型可以運(yùn)用OpenCV中的 cvtColor<> 函數(shù)。
src = imread( argv[1], 1 );/// 顏色類型從RGB 轉(zhuǎn)換成灰度 cvtColor( src, src_gray, CV_RGB2GRAY );
然后創(chuàng)建一個(gè)窗口來顯示該圖片可以檢驗(yàn)轉(zhuǎn)換結(jié)果
namedWindow( window_name, CV_WINDOW_AUTOSIZE );
接著該程序創(chuàng)建兩個(gè)滾動(dòng)條來等待用戶的輸入：
- 第一個(gè)滾動(dòng)條作用：選擇閾值類型：二進(jìn)制，反二進(jìn)制，截?cái)?#xff0c;0，反0。
- 第二個(gè)滾動(dòng)條作用：選擇閾值的大小。
createTrackbar( trackbar_type,window_name, &threshold_type,max_type, Threshold_Demo );createTrackbar( trackbar_value,window_name, &threshold_value,max_value, Threshold_Demo );
在這里等到用戶拖動(dòng)滾動(dòng)條來輸入閾值類型以及閾值的大小，或者是用戶鍵入ESC健退出程序。
無論何時(shí)拖動(dòng)滾動(dòng)條，用戶自定義的閾值函數(shù)都將會(huì)被調(diào)用。
/** * @自定義的閾值函數(shù) */ void Threshold_Demo( int, void* ) {/* 0: 二進(jìn)制閾值 1: 反二進(jìn)制閾值
2: 截?cái)嚅撝?/span> 3: 0閾值 4: 反0閾值 */threshold( src_gray, dst, threshold_value, max_BINARY_value,threshold_type );imshow( window_name, dst ); }
就像你看到的那樣，在這樣的過程中，函數(shù) threshold<> 會(huì)接受到5個(gè)參數(shù)：
- src_gray: 輸入的灰度圖像的地址。
- dst: 輸出圖像的地址。
- threshold_value: 進(jìn)行閾值操作時(shí)閾值的大小。
- max_BINARY_value: 設(shè)定的最大灰度值（該參數(shù)運(yùn)用在二進(jìn)制與反二進(jìn)制閾值操作中）。
- threshold_type: 閾值的類型。從上面提到的5種中選擇出的結(jié)果。

結(jié)果：

程序編譯過后，從正確的路徑中讀取一張圖片。例如，該輸入圖片如下所示：

首先，閾值類型選擇為反二進(jìn)制閾值類型。我們希望灰度值大于閾值的變暗，即這一部分像素的灰度值設(shè)定為0。從下圖中可以很清楚的看到這樣的變化。（在原圖中，狗的嘴和眼睛部分比圖像中的其他部分要亮，在結(jié)果圖中可以看到由于反二進(jìn)制閾值分割，這兩部分變的比其他圖像的都要暗。原理具體參見本節(jié)中反二進(jìn)制閾值部分解釋）

現(xiàn)在，閾值的類型選擇為0閾值。在這種情況下，我們希望那些在圖像中最黑的像素點(diǎn)徹底的變成黑色，而其他大于閾值的像素保持原來的面貌。其結(jié)果如下圖所示：

from: http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/table_of_content_imgproc/table_of_content_imgproc.html#table-of-content-imgproc

總結(jié)

以上是生活随笔為你收集整理的OpenCV之imgproc 模块. 图像处理（1）图像平滑处理腐蚀与膨胀(Eroding and Dilating) 更多形态学变换图像金字塔基本的阈值操作的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。

上一篇： OpenCV之core 模块. 核心功能
下一篇： OpenCV之imgproc 模块. 图

编程问答

OpenCV之imgproc 模块. 图像处理（1）图像平滑处理 腐蚀与膨胀(Eroding and Dilating) 更多形态学变换 图像金字塔 基本的阈值操作

圖像平滑處理

目標(biāo)

原理

歸一化塊濾波器 (Normalized Box Filter)

高斯濾波器 (Gaussian Filter)

中值濾波器 (Median Filter)

雙邊濾波 (Bilateral Filter)

源碼

解釋

結(jié)果

腐蝕與膨脹(Eroding and Dilating)

目標(biāo)

原理

形態(tài)學(xué)操作

膨脹

腐蝕

源碼

解釋

結(jié)果

更多形態(tài)學(xué)變換

目標(biāo)

原理

開運(yùn)算 (Opening)

閉運(yùn)算(Closing)

形態(tài)梯度(Morphological Gradient)

頂帽(Top Hat)

黑帽(Black Hat)

源碼

解釋

結(jié)果

圖像金字塔

目標(biāo)

原理

圖像金字塔

高斯金字塔

源碼

解釋

結(jié)果

基本的閾值操作

目標(biāo)：

基本理論：

什么是閾值？

閾值化的類型：

閾值類型1：二進(jìn)制閾值化

閾值類型2：反二進(jìn)制閾值化

閾值類型4：閾值化為0

閾值類型5：反閾值化為0

代碼示范：

解釋：

結(jié)果：

總結(jié)

OpenCV之imgproc 模块. 图像处理（1）图像平滑处理腐蚀与膨胀(Eroding and Dilating) 更多形态学变换图像金字塔基本的阈值操作