OpenCV4图像形态学操作实战：腐蚀膨胀与连通域分析

1. OpenCV4 图像形态学操作实战指南

作为一名计算机视觉方向的开发者，我在实际项目中经常需要处理各种图像预处理任务。OpenCV 作为最常用的计算机视觉库，其形态学操作功能在图像处理中扮演着重要角色。本章将详细解析 OpenCV4 中的图像形态学操作，包含距离变换、连通域分析、腐蚀膨胀等核心操作，这些都是我在实际项目中的经验总结。

形态学操作看似简单，但在实际应用中却有许多需要注意的细节。比如在工业检测项目中，我曾因为结构元素选择不当导致特征提取失败；在医疗图像处理时，也遇到过连通域分析参数设置不合理造成区域分割错误的情况。通过本文，我将分享这些实战经验，帮助大家避开这些"坑"。

2. 像素距离与连通域分析

2.1 图像像素距离变换

距离变换是计算图像中每个像素到最近背景像素的距离，在图像分割、形状分析等领域有广泛应用。OpenCV 提供了 distanceTransform() 函数来实现这一功能。

2.1.1 距离类型详解

OpenCV 支持三种距离计算方式：

1. 欧氏距离 (DIST_L2)：最直观的直线距离，计算两个像素点之间的几何距离。公式为 √[(x2-x1)² + (y2-y1)²]。这种距离最精确但计算量较大。

2. 街区距离 (DIST_L1)：也称为曼哈顿距离，只能沿坐标轴方向移动的距离总和。公式为 |x2-x1| + |y2-y1|。计算速度快，适合对精度要求不高的场景。

3. 棋盘距离 (DIST_C)：取两个方向距离的最大值，公式为 max(|x2-x1|, |y2-y1|)。计算最简单，但精度最低。

以下是三种距离在 5×5 矩阵中的计算示例：

cpp复制// 欧氏距离矩阵
[2.8, 2.2, 2, 2.2, 2.8
 2.2, 1.4, 1, 1.4, 2.2
 2,   1,   0, 1,   2
 2.2, 1.4, 1, 1.4, 2.2
 2.8, 2.2, 2, 2.2, 2.8]

// 街区距离矩阵  
[4, 3, 2, 3, 4
 3, 2, 1, 2, 3
 2, 1, 0, 1, 2
 3, 2, 1, 2, 3
 4, 3, 2, 3, 4]

// 棋盘距离矩阵
[2, 2, 2, 2, 2
 2, 1, 1, 1, 2
 2, 1, 0, 1, 2
 2, 1, 1, 1, 2
 2, 2, 2, 2, 2]

2.1.2 distanceTransform() 函数实战

distanceTransform() 函数原型：

cpp复制void distanceTransform(
    InputArray src, 
    OutputArray dst,
    OutputArray labels,
    int distanceType,
    int maskSize,
    int labelType = DIST_LABEL_CCOMP
);

参数说明：

• src：输入图像（8位单通道二值图）
• dst：输出距离图（32位浮点单通道图）
• labels：可选的2维标签数组（离散维诺图）
• distanceType：距离类型（DIST_L1, DIST_L2, DIST_C）
• maskSize：距离变换掩码大小（3, 5 或 DIST_MASK_PRECISE）
• labelType：标签数组类型

实际应用示例（大米颗粒分析）：

cpp复制Mat rice = imread("rice.png", IMREAD_GRAYSCALE);
threshold(rice, riceBW, 50, 255, THRESH_BINARY);

Mat dist;
distanceTransform(riceBW, dist, DIST_L2, 5);

// 显示结果
normalize(dist, dist, 0, 1.0, NORM_MINMAX); // 归一化便于显示
imshow("Distance Transform", dist);

注意事项：

1. 输入图像必须是单通道8位二值图
2. 对于大图像，DIST_L2 计算较慢，可考虑使用 DIST_L1
3. 结果需要归一化后才能正确显示
4. 实际项目中，常将距离变换与阈值处理结合使用

2.2 图像连通域分析

连通域分析用于识别图像中相互连接的像素区域，是许多计算机视觉任务的基础。

2.2.1 连通域算法比较

1. 两遍扫描法：

   • 第一遍：从左到右、从上到下扫描，给每个前景像素分配临时标签
   • 第二遍：合并等价标签，生成最终结果
   • 优点：内存效率高
   • 缺点：需要处理等价标签

2. 种子填充法：

   • 随机选择种子点，通过区域生长填充连通区域
   • 优点：实现简单
   • 缺点：递归实现可能导致栈溢出

2.2.2 connectedComponents() 函数详解

基础连通域分析函数：

cpp复制int connectedComponents(
    InputArray image, 
    OutputArray labels,
    int connectivity = 8, 
    int ltype = CV_32S
);

增强版函数（带统计信息）：

cpp复制int connectedComponentsWithStats(
    InputArray image,
    OutputArray labels,
    OutputArray stats,
    OutputArray centroids,
    int connectivity = 8,
    int ltype = CV_32S
);

stats 输出矩阵包含以下信息（每行对应一个连通域）：