OpenCV识别提取图像中的水平线与垂直线

本文实例为大家分享了OpenCV识别提取图像中的水平线与垂直线，供大家参考，具体内容如下

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)

1. #include <opencv2/opencv.hpp>
2. #include <iostream>
3. #include <math.h>
4.  
5. using namespace std;
6. using namespace cv;
7.  
8. //灰度化图像
9. Mat gray_Img(Mat src)
10. {
11. Mat dst = Mat::zeros(src.size(), src.type());
12. cvtColor(src, dst, CV_BGR2GRAY);
13. return dst;
14. }
15.  
16. //自适应阈值(二值化图像)
17. Mat threshold_Img(Mat src)
18. {
19. Mat dst = Mat::zeros(src.size(), src.type());
20. //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
21. adaptiveThreshold(~src, dst, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);
22. return dst;
23. }
24.  
25. //结构元素(获取垂直算子)
26. Mat get_Vertical(Mat src)
27. {
28. Mat dst = Mat::zeros(src.size(), src.type());
29. return getStructuringElement(MORPH_RECT,Size(src.cols/16,1),Point(-1,-1));
30. }
31.  
32. //结构元素（获取水平算子）
33. Mat get_Horizontal(Mat src)
34. {
35. Mat dst = Mat::zeros(src.size(), src.type());
36. return getStructuringElement(MORPH_RECT, Size(1, src.rows / 16), Point(-1, -1));
37. }
38.  
39. //腐蚀
40. Mat erode_Img(Mat src,Mat kernel)
41. {
42. Mat dst = Mat::zeros(src.size(), src.type());
43. erode(src, dst, kernel);
44. return dst;
45. }
46.  
47. //膨胀
48. Mat dilate_Img(Mat src, Mat kernel)
49. {
50. Mat dst = Mat::zeros(src.size(), src.type());
51. dilate(src, dst, kernel);
52. return dst;
53. }
54.  
55. int main()
56. {
57. Mat src = imread("001.png");
58. if (src.empty())
59. {
60. cout << "fail to load image" << endl;
61. return -1;
62. }
63.  
64. namedWindow("input_Img", 0);
65. imshow("input_Img", src);
66. //输入图像转灰度
67. Mat grayImg = gray_Img(src);
68. namedWindow("input_Img_gray", 0);
69. imshow("input_Img_gray", grayImg);
70. //二值化图像
71. Mat thresholdImg = threshold_Img(grayImg);
72. namedWindow("input_Img_threshold", 0);
73. imshow("input_Img_threshold", thresholdImg);
74.  
75. Mat verticalLine = get_Vertical(src);
76. Mat horizontalLine = get_Horizontal(src);
77. //先腐蚀再膨胀
78. Mat vertical_Line_erode = erode_Img(thresholdImg, verticalLine);
79. Mat vertical_Line_dilate = dilate_Img(vertical_Line_erode, verticalLine);
80. //显示图像中的垂直线
81. namedWindow("verticalLine", 0);
82. imshow("verticalLine", vertical_Line_dilate);
83.  
84. Mat horizontal_Line_erode = erode_Img(thresholdImg, horizontalLine);
85. Mat horizontal_Line_dilate = dilate_Img(horizontal_Line_erode, horizontalLine);
86. //显示图像中的垂直线
87. namedWindow("horizontalLine", 0);
88. imshow("horizontalLine", horizontal_Line_dilate);
89.  
90. waitKey();
91. return 0;
92. }

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

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。

原文链接：https://blog.csdn.net/MnisRain/article/details/81987578