OpenCV学习（32）

图像处理（3）：

形态学滤波(1):腐蚀与膨胀

一，形态学概述；二，膨胀；三，腐蚀；

一，形态学概述

      形态学(morphology)一词通常表示生物学的一个分支，该分支主要研究动植物的形态和结构。而我们图像处理中的形态学，往往指的是数学形态学。下面一起来了解数学形态学的概念。
数学形态学(Mathematical morphology）是一门建立在格论和拓扑学基础之上的图像分析学科，是        数学形态学图像处理的基本理论。其基本的运算包括:二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。
      简单来讲，形态学操作就是基于形状的一系列图像处理操作。OpenCV为进行图像的形态学变换提供了快捷、方便的函数。最基本的形态学操作有两种，分别是:膨胀（dilate）与腐蚀（erode)。
膨胀与腐蚀能实现多种多样的功能，主要如下。

 消除噪声;
分割（isolate）出独立的图像元素，在图像中连接(join）相邻的元素;

寻找图像中的明显的极大值区域或极小值区域;
求出图像的梯度。

    在进行腐蚀和膨胀的讲解之前，首先提醒大家注意，腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。膨胀是图像中的高亮部分进行膨胀，类似于“领域扩张”，效果图拥有比原图更大的高亮区域;腐蚀是原图中的高亮部分被腐蚀，类似于“领域被蚕食”，效果图拥有比原图更小的高亮区域。

二，膨胀

     膨胀（dilate）就是求局部最大值的操作。从数学角度来说，膨胀或者腐蚀操作就是将图像（或图像的一部分区域，称之为A)与核（称之为B）进行卷积。
    核可以是任何形状和大小，它拥有一个单独定义出来的参考点，我们称其为锚点( anchorpoint)。多数情况下，核是一个小的，中间带有参考点和实心正方形或者圆盘。其实，可以把核视为模板或者掩码。
    而膨胀就是求局部最大值的操作。核B与图形卷积，即计算核B覆盖的区域的像素点的最大值，并把这个最大值赋值给参考点指定的像素。这样就会使图像中的高亮区域逐渐增长，如图6.20所示。这就是膨胀操作的初衷。


 

 三，腐蚀