形态学梯度 - MorphGradient

函数简介

计算图像的形态学梯度。此函数通过形态学操作计算图像的梯度，可以突出图像的边缘信息。形态学梯度是膨胀图像与腐蚀图像的差值，能够有效地检测图像中的边缘和轮廓。

接口名称

MorphGradient

DLL调用

long MorphGradient(long instance, long ptr, int kernelSize)

参数说明

参数名类型说明
instance长整数型OLAPlug对象的指针，由 CreateCOLAPlugInterFace 接口生成。
ptr长整数型图像指针，由图像处理函数返回
kernelSize整数型形态学核的大小，通常为奇数（3、5、7等）

示例

// 基本形态学梯度计算
long image = LoadImage(ola, "D:\\test\\image.png");
if (image != 0) {
    // 转换为灰度图
    long grayImage = ConvertColor(ola, image, 0);
    if (grayImage != 0) {
        // 计算形态学梯度
        long gradientImage = MorphGradient(ola, grayImage, 3);
        if (gradientImage != 0) {
            printf("形态学梯度计算完成\n");
            ShowImage(ola, gradientImage);
            FreeImagePtr(ola, gradientImage);
        }
        FreeImagePtr(ola, grayImage);
    }
    FreeImagePtr(ola, image);
}

// 不同核大小的对比
long image = LoadImage(ola, "D:\\test\\image.png");
if (image != 0) {
    long grayImage = ConvertColor(ola, image, 0);
    if (grayImage != 0) {
        // 不同核大小的形态学梯度
        long gradient3 = MorphGradient(ola, grayImage, 3);
        long gradient5 = MorphGradient(ola, grayImage, 5);
        long gradient7 = MorphGradient(ola, grayImage, 7);
        
        printf("不同核大小的形态学梯度计算完成\n");
        
        // 释放内存
        if (gradient3 != 0) FreeImagePtr(ola, gradient3);
        if (gradient5 != 0) FreeImagePtr(ola, gradient5);
        if (gradient7 != 0) FreeImagePtr(ola, gradient7);
        
        FreeImagePtr(ola, grayImage);
    }
    FreeImagePtr(ola, image);
}

// 图像处理流程中的形态学梯度
long image = LoadImage(ola, "D:\\test\\target.png");
if (image != 0) {
    // 转换为灰度
    long grayImage = ConvertColor(ola, image, 0);
    if (grayImage != 0) {
        // 阈值化
        long binaryImage = Threshold(ola, grayImage, 128.0, 255.0, 0);
        if (binaryImage != 0) {
            // 去除小面积孤岛
            long cleanedImage = RemoveIslands(ola, binaryImage, 100);
            if (cleanedImage != 0) {
                // 计算形态学梯度
                long gradientImage = MorphGradient(ola, cleanedImage, 3);
                if (gradientImage != 0) {
                    printf("图像处理流程完成，已计算形态学梯度\n");
                    FreeImagePtr(ola, gradientImage);
                }
                FreeImagePtr(ola, cleanedImage);
            }
            FreeImagePtr(ola, binaryImage);
        }
        FreeImagePtr(ola, grayImage);
    }
    FreeImagePtr(ola, image);
}

// 屏幕截图的边缘检测
long screen = GetScreenDataPtr(ola, 0, 0, 1920, 1080);
if (screen != 0) {
    // 转换为灰度
    long grayScreen = ConvertColor(ola, screen, 0);
    if (grayScreen != 0) {
        // 计算形态学梯度进行边缘检测
        long edgeImage = MorphGradient(ola, grayScreen, 5);
        if (edgeImage != 0) {
            printf("屏幕截图边缘检测完成\n");
            FreeImagePtr(ola, edgeImage);
        }
        FreeImagePtr(ola, grayScreen);
    }
    FreeImagePtr(ola, screen);
}

// 结合其他图像处理函数
long image = LoadImage(ola, "D:\\test\\complex.png");
if (image != 0) {
    long grayImage = ConvertColor(ola, image, 0);
    if (grayImage != 0) {
        // 先进行形态学梯度
        long gradientImage = MorphGradient(ola, grayImage, 3);
        if (gradientImage != 0) {
            // 对梯度图像进行阈值化
            long binaryGradient = Threshold(ola, gradientImage, 50.0, 255.0, 0);
            if (binaryGradient != 0) {
                printf("梯度图像二值化完成\n");
                FreeImagePtr(ola, binaryGradient);
            }
            FreeImagePtr(ola, gradientImage);
        }
        FreeImagePtr(ola, grayImage);
    }
    FreeImagePtr(ola, image);
}

返回值

int64_t: 返回形态学梯度图像指针

注意事项

  • 形态学梯度 = 膨胀图像 - 腐蚀图像
  • kernelSize参数决定了形态学操作的结构元素大小
  • 较大的核会产生更粗的边缘，较小的核会产生更细的边缘
  • 建议使用奇数作为核大小（3、5、7等）
  • 处理后的图像需要手动释放内存
  • 适用于边缘检测、轮廓提取、图像分割等场景
  • 与 Threshold 函数配合使用可以提取边缘
  • 形态学梯度能够有效突出图像的边缘信息
Last Updated: