OpenCV erode、dilate(形態學處理)

當使用完二值化或邊緣偵測後，畫面總會殘留一些白點雜訊，或特徵會有破洞等狀況，為了不影響後續的辨識，這時可用型態學的方式，如侵蝕或膨脹將不想要的特徵給去除。

侵蝕

void erode(InputArray src, OutputArray dst, InputArray kernel, Point anchor=Point(-1,-1), int iterations=1, int borderType=BORDER_CONSTANT, const Scalar& borderValue=morphologyDefaultBorderValue())

InputArray src:輸入影像

OutputArray dst:輸出影像

InputArray kernel:輸入核心

Point anchor:錨點位置

int iterations:疊代次數

nt borderType:邊界模式

膨脹

void dilate(InputArray src, OutputArray dst, InputArray kernel, Point anchor=Point(-1,-1), int iterations=1, int borderType=BORDER_CONSTANT, const Scalar& borderValue=morphologyDefaultBorderValue())

InputArray src:輸入影像

OutputArray dst:輸出影像

InputArray kernel:輸入核心

Point anchor:錨點位置

int iterations:疊代次數

nt borderType:邊界模式

但不論是侵蝕或膨脹，其預設的kernel都是3x3，如果想定義自己的kernel，可利用下列函示

Mat getStructuringElement(int shape, Size esize, Point anchor = Point(-1, -1));

int shape:元素形狀

Size esize:建構元素大小(kernal size)

Point anchor:錨點位置

程式碼如下：

#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main(){

	Mat SrcImg = imread("dog.jpg", CV_LOAD_IMAGE_COLOR);
	Mat GrayImg, BinaryImg;
	Mat ErodeImg, DilateImg, UserErodeImg, UserDilateImg;

	cvtColor(SrcImg, GrayImg, CV_BGR2GRAY);

	Mat Element = getStructuringElement(MORPH_ELLIPSE, Size(7, 7));
	erode(GrayImg, ErodeImg, Mat(), Point(-1, -1), 1);
	erode(GrayImg, UserErodeImg, Element, Point(-1, -1), 1);
	dilate(GrayImg, DilateImg, Mat(), Point(-1, -1), 1);
	dilate(GrayImg, UserDilateImg, Element, Point(-1, -1), 1);

	imshow("GrayImg", GrayImg);
	imshow("ErodeImg", ErodeImg);
	imshow("UserErodeImg", UserErodeImg);
	imshow("DilateImg", DilateImg);
	imshow("UserDilateImg", UserDilateImg);

	waitKey(0);
	return 0;
}

GrayImg

ErodeImg

UserErodeImg

DilateImg

UserDilateImg

OpenCV Threshold(二值化)

為了從影像找出我們想要的特徵，一般會使用二值化(Threshold)先將前景(foreground)與背景(background)初步分離出來，以減少不必要的訊息量(雜訊)，底下就來介紹一下OpenCV常用的threshold函式，我自己初分成三種類型。

第一種：基本款的二值化(依據閥值進行分類的二值化)

double cv::threshold(InputArray src,OutputArray dst,double thresh,double maxval,int type)

InputArray src：輸入的影像來源

OutputArray dst：輸出的影像來源

double thresh：判定閥值

double maxval：最大值(當像素值大於或小於判定閥值時，用此參數取代)

int type：設定二值化模式，常見有THRESH_BINARY、THRESH_BINARY_INV、THRESH_TRUNC、THRESH_TOZERO、THRESH_TOZERO_INV五種。

THRESH_BINARY:將大於閥值的灰度值設為最大值，反之設為0

THRESH_BINARY_INV:將大於閥值的灰度值設為0，反之設為最大值

THRESH_TRUNC:將大於閥值的灰度值設為閥值，反之則不變

THRESH_TOZERO:將大於閥值的灰度值不變，反之則設為0

THRESH_TOZERO_INV:將大於閥值的灰度值設為0，反之則不變

第二種：進階版的二值化(依據亮度分佈，自動定義閥值進行分類的二值化)

跟第一種幾乎一樣，差別在於設定的二值化模式不同，可選擇為THRESH_OTSU跟THRESH_TRIANGLE兩種，THRESH_OTSU比較適用在有兩個分峰值情況下使用，而THRESH_TRIANGLE則用在單一峰值比較合適。

第三種：強大版的二值化(依據區域不同，適應不同閥值進行分類的二值化)

void adaptiveThreshold(InputArray src, OutputArray dst,double maxValue,int adaptiveMethod, int thresholdType, int blockSize, double C)
InputArray src：輸入的影像來源
OutputArray dst：輸出的影像來源
double maxval：最大值(當像素值大於或小於判定閥值時，用此參數取代)
int adaptiveMethod：設定自適應模式，有ADAPTIVE_THRESH_MEAN_C(平均法)、ADAPTIVE_THRESH_GAUSSIAN_C(高斯法)兩種。

nt thresholdType：設定二值化模式，即前面提到的二值化五種模式
int blockSize：區塊大小
double C：常數

總結：

上述三種方式，我覺得第一種使用單純但無法用於環境光源變化大的地方、第二種雖然可以自動定義閥值，但使用時若影像亮度分佈沒有明顯的兩個或一個峰值，則效果可能有限，第三種則適應能力較強，處理後的效果還有點像邊緣偵測，也許可用在其他地方上。

現在就來實作一下吧，為了比較好理解基本款二值化操作，我設計了一張圖片，當中分成了五個區域，由左至右亮度值分別為(50、100、150、200、250)，讓我們更容易看出不同的差異性。

程式碼如下：

#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main(){

	Mat SrcImg = imread("GradientImg.bmp", CV_LOAD_IMAGE_COLOR);
	Mat GrayImg, BinaryImg, BinaryInvImg, BinaryTruncImg, BinaryToZeroImg, BinaryToZeroInvImg;
	Mat OtsuImg, TriangleImg, AdaptiveThImg;

	cvtColor(SrcImg, GrayImg, CV_BGR2GRAY);
	threshold(GrayImg, BinaryImg, 150, 255, THRESH_BINARY);//將大於閥值的灰度值設為最大值，反之設為0
	threshold(GrayImg, BinaryInvImg, 150, 255, THRESH_BINARY_INV);//將大於閥值的灰度值設為0，反之設為最大值
	threshold(GrayImg, BinaryTruncImg, 190, 255, THRESH_TRUNC);//將大於閥值的灰度值設為閥值，反之則不變
	threshold(GrayImg, BinaryToZeroImg, 150, 255, THRESH_TOZERO);//將大於閥值的灰度值不變，反之則設為0
	threshold(GrayImg, BinaryToZeroInvImg, 150, 255, THRESH_TOZERO_INV);//將大於閥值的灰度值設為0，反之則不變
	threshold(GrayImg, OtsuImg, 0, 255, THRESH_OTSU);//自動設定最佳閥值，適用於有兩個峰值的情況
	threshold(GrayImg, TriangleImg, 250, 255, THRESH_TRIANGLE);//自動設定最佳閥值，適用只有一個峰值的情況
	adaptiveThreshold(GrayImg, AdaptiveThImg, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 5, 1);

	imshow("GradientImg", SrcImg);
	imshow("BinaryImg", BinaryImg);
	imshow("BinaryInvImg", BinaryInvImg);
	imshow("BinaryTruncImg", BinaryTruncImg);
	imshow("BinaryToZeroImg", BinaryToZeroImg);
	imshow("BinaryToZeroInvImg", BinaryToZeroInvImg);
	imshow("OtsuImg", OtsuImg);
	imshow("TriangleImg", TriangleImg);
	imshow("AdaptiveThImg", AdaptiveThImg);

	waitKey(0);
	return 0;
}

GradientImg

BinaryImg

BinaryInvImg

BinaryTruncImg

BinaryToZeroImg

BinaryToZeroInvImg

OtsuImg

TriangleImg

AdaptiveImg