【Emgu CV教程】9.4、形态学常用操作之闭运算

本文主要是介绍【Emgu CV教程】9.4、形态学常用操作之闭运算，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

一、相关概念
- 1.什么叫闭运算
- 3.闭运算的函数
二、演示
- 1.原始素材
- 2.代码
- 3.运行结果

一、相关概念

1.什么叫闭运算

上一篇讲开运算，这一篇讲闭运算。与开运算相反，闭运算是先进行膨胀后进行腐蚀。回忆一下，膨胀有什么特点？？？去除白色前景物体内的黑色斑点，也可以连接两个白色前景。 再腐蚀一下呢，前景物体是不是又回到了原来的大小。所以闭运算能够除去前景物体内部的小黑点、胡椒噪声，而前景的位置、形状、大小保持不变。

3.闭运算的函数

Emgu CV中，闭运算的函数定义如下：

public static void MorphologyEx(IInputArray src,  // 输入图像IOutputArray dst, // 输入图像MorphOp operation, // 操作方式，闭运算是MorphOp.CloseIInputArray kernel, // 结构元素大小Point anchor, // 锚点位置，默认为中心new Point(-1, -1)int iterations, // 膨胀操作迭代次数BorderType borderType, // 边界填充方式，一般取默认MCvScalar borderValue // 边界值，使用时一般写成new MCvScalar()
)

注意哈，开运算和闭运算，都是同一个函数MorphologyEx()，但是闭运算的参数MorphOp operation，要指定为MorphOp.Close；开运算的参数MorphOp operation，要指定为MorphOp.Open

二、演示

1.原始素材

原始素材srcMat是OpenCV官方使用的一张图片，图片内有不少的胡椒噪声，如下图：
在这里插入图片描述

2.代码

Emgu CV闭运算演示代码如下：

Mat tempMat = srcMat.Clone();
Mat gray = new Mat();
Mat dstMat = new Mat();
int kernelX = Convert.ToInt16(TextBoxX.Text.Trim().ToString()); // structuring element结构元素 或者 kernel 内核的X值，水平方向
int kernelY = Convert.ToInt16(TextBoxY.Text.Trim().ToString()); // structuring element结构元素 或者 kernel 内核的X值，垂直方向
int iterations = Convert.ToInt16(TextBoxIterations.Text.Trim().ToString()); // 需要执行闭运算的次数// 要转成灰度图
CvInvoke.CvtColor(tempMat, gray, ColorConversion.Bgr2Gray);// 定义结构元素，其中元素的形状是矩形，size大小由两个文本框决定，默认锚点new Point(-1,-1)是指在中心
Mat element = CvInvoke.GetStructuringElement(ElementShape.Rectangle, new System.Drawing.Size(kernelX, kernelY), new System.Drawing.Point(-1, -1));// 闭运算，其中锚点位置new Point(-1, -1)代表中心
CvInvoke.MorphologyEx(gray, dstMat, MorphOp.Close, element, new System.Drawing.Point(-1, -1), iterations, BorderType.Default, new MCvScalar());
CvInvoke.Imshow("Gray, " + gray.Size.ToString(), gray);
CvInvoke.Imshow("Close, " + dstMat.Size.ToString(), dstMat);

注意哈，结构元素的内核要对水平方向和垂直方向分别定义。

3.运行结果

假设kernelX = 7，kernelY =7，iterations = 1， 闭运算结果如下所示：
在这里插入图片描述

英文字母j的大小、形状、位置都没有变化，但是其内部黑色的胡椒噪声已经消失了。我们再换一张图，并且设kernelX = 19，kernelY =1，iterations = 1， 其灰度图和闭运算结果如下所示：
在这里插入图片描述

原始图像有很多黑色胡椒噪声，而且水平、垂直方向都有前景，经过闭运算后，胡椒噪声没了，但有多个前景物体已经连接在一起了。就是因为它第一步膨胀操作的特性：膨胀时结构元素水平方向值越大，目标图像中水平前景边缘扩张越大。 膨胀的结果会导致多个本来独立的前景物体连载一起，即使再执行腐蚀时，也无法分开相连的前景物体了。

如果假设kernelX = 1，kernelY =19，iterations = 1 ，输出的图像是这样：
在这里插入图片描述