本文为原创文章，未经本人允许，禁止转载。转载请注明出处。
1.提取水平线和垂直线
在之前的博客【OpenCV基础】第十课：形态学操作中，我们介绍了很多形态学操作。其中，膨胀与腐蚀操作可以使用任意的结构元素，例如矩形、圆、直线等各种自定义形状。
提取水平线和垂直线的具体步骤见下：
1.1.步骤一：读入原始图像
使用imread函数读入原始图像：
1.2.步骤二：转换为灰度图像
使用cvtColor函数将原始图像转换为灰度图像：
当然，也可以直接通过修改imread的参数直接将原始图像转换成灰度图像读进来。具体请见：【OpenCV基础】第二课：加载、修改、保存图像。
1.3.步骤三：转换为二值图像
这一步我们需要使用一个新的API：adaptiveThreshold。
该API的参数说明：
1
2
3
4
5
6
7
8
9
void adaptiveThreshold(
InputArray src,
OutputArray dst,
double maxValue,
int adaptiveMethod,
int thresholdType,
int blockSize,
double C
);
InputArray src是输入图像。OutputArray dst是输出图像。double maxValue用于计算第5个参数。int adaptiveMethod是阈值的计算方法，同样也用于计算第5个参数。有两种方式：ADAPTIVE_THRESH_MEAN_C：阈值等于blockSize内像素的平均值减去第7个参数C。ADAPTIVE_THRESH_GAUSSIAN_C：阈值等于blockSize内像素的高斯均值（即高斯加权的均值）减去第7个参数C。
int thresholdType是图像的转换方式。有八种方式：THRESH_BINARY、THRESH_BINARY_INV、THRESH_TRUNC、THRESH_TOZERO、THRESH_TOZERO_INV、THRESH_MASK、THRESH_OTSU以及THRESH_TRIANGLE。这里只介绍涉及二值图像转换的两种方法，其中dst(x,y)为输出图像$(x,y)$点的像素值，src(x,y)为输入图像$(x,y)$点的像素值，T(x,y)为$(x,y)$点的阈值（由参数4获得），maxValue由参数3获得：
int blockSize为正奇数，用法见参数4。double C用法见参数4，可以为正数、0、负数。
我们尝试将得到的灰度图像通过adaptiveThreshold 转换为二值图像：
1
adaptiveThreshold(gray1, binary1, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);
发现我们要提取的水平线和垂直线旁边有很宽的白条，会影响到我们的提取效果，因此我们需要先对灰度图像做个取反操作，即~gray1：
1
adaptiveThreshold(~gray1, binary1, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);
再来看下效果：
~通过位运算对图像进行取反操作。例如对于灰度图像来说，像素值的类型是unsigned char，即八位无符号二进制数。假设像素值是2，其反码为0000 0010，按位取反得到~2为1111 1101，因为是无符号数，所以该二进制数对应的十进制数为253，即255-2。
bitwise_not也是通过位运算进行取反操作，效果等同于~。
1.4.步骤四：定义结构元素
使用getStructuringElement定义我们所需的结构元素。
用于提取水平线的结构元素：
1
Mat hline = getStructuringElement(MORPH_RECT, Size(src.cols / 16, 1), Point(-1, -1));
用于提取垂直线的结构元素：
1
Mat vline = getStructuringElement(MORPH_RECT, Size(1, src.rows / 16), Point(-1, -1));
1.5.步骤五：执行开操作
然后我们通过执行开操作来提取水平线和垂直线。
提取水平线：
提取垂直线：
2.提取验证码
基于第1部分的内容，我们来处理验证码图片中的干扰项。例如要处理的验证码图片见下：
我们依然按照1.1~1.5这5个步骤来处理这张图片。但是我们需要稍作修改。
针对第四步，我们这次使用矩形的结构元素：
1
Mat kernel=getStructuringElement(MORPH_RECT,Size(3,3),Point(-1,-1));
使用矩形结构元素的好处在于可以帮助我们去除各种线段（不局限于水平线或者垂直线），并且也可以去除图片中的散点。
此外，对最终提取得到的图像做了取反操作，使其看起来更顺眼一点：
