s1051771 作業5

作業5數學型態影像處理應用 Morphological Image  Processing

請撰寫一個程式，利用數學型態學影像處理運算，計算出所附圖像(共三張)每張圖像中 圍棋個數。

 

圖一

 

圖二

 

圖三

一.原理

将图像转为灰阶，然后用otsu法二值化，再用数学形态学对图像进行处理，最后用findContours()和contours.size()计算出棋子个数。

二.实现

<1>threshold

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


参数：
src：原图像。
dst：结果图像。
thresh：当前阈值。
maxVal：最大阈值，一般为255.
thresholdType:阈值类型，主要有下面几种：

 THRESH_BINARY：二进制阈值，。在运用该阈值类型的时候，先要选定一个特定的阈值量，比如：125，这样，新的阈值产生规则可以解释为大于125的像素点的灰度值设定为最大值255，灰度值小于125的像素点的灰度值设定为0。  (value>threshold?255:0)\

THRESH_ BINARY _INV：反二进制阈值。设定一个初始阈值如125，则大于125的设定为0，而小于该阈值的设定为255。  (value>threshold?0:255)


 THRESH _TRUNC：截断阈值。同样首先需要选定一个阈值，图像中大于该阈值的像素点被设定为该阈值，小于该阈值的保持不变。（例如：阈值选取为125，那小于125的阈值不改变，大于125的灰度值（230）的像素点就设定为该阈值）。   (value>threshold?threshold:value)


 THRESH _TOZERO:阈值化为0。先选定一个阈值，像素点的灰度值大于该阈值的不进行任何改变；像素点的灰度值小于该阈值的，其灰度值全部变为0。   (value>threshold?value:0)      
THRESH _TOZERO _INV：反阈值化为0。原理类似于0阈值，但是在对图像做处理的时候相反，即：像素点的灰度值小于该阈值的不进行任何改变，而大于该阈值的部分，其灰度值全部变为0。  (value>threshold?0:value)

<2> getStructuringElement  (获取结构化元素)

 

Mat getStructuringElement(int shape, 
                          Size ksize,//核大小
                          Point anchor=Point(-1,-1) //核中心位置，默认位于形状中心处
                          );

第一个参数shape：
MORPH_RECT:矩形
MORPH_CROSS ：十字形
MORPH_ELLIPSE ：椭圆形

第二个参数ksize：结构性元素的大小 默认为Size( 3,3) 

第三个参数Point anchor:核中心位置，默认位于形状中心处

<3>morphologyEx[简单用法]

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() );


本次用morphologyEx（src,dst,op,kernel）;
 op:
MORPH_OPEN – 开运算（Opening operation）
MORPH_CLOSE – 闭运算（Closing operation）
MORPH_GRADIENT - 形态学梯度（Morphological gradient）
MORPH_TOPHAT - 顶帽（Top hat）
MORPH_BLACKHAT - 黑帽（Black hat）

kernel:
使用

kernel = getStructuringElement（）获取自定义的kernel

<4>erode()和dilate()【简单用法】

erode(src,dst,kernel);

dilate(sec,dst,kernel);用法同上

<5>运行

图一：

 

 图二：

 

图三:

 

 

误差分别为： 0   -3   -1