opencv概念理解：形态学处理--膨胀腐蚀

1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。而我们图像处理中指的形态学，往往表示的是数学形态学。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二种，他们是：膨胀与腐蚀(Dilation与Erosion)。

膨胀与腐蚀能实现多种多样的功能，主要如下：
（1）消除噪声
（2）分割(isolate)出独立的图像元素，在图像中连接(join)相邻的元素。
（3）寻找图像中的明显的极大值区域或极小值区域
（4）求出图像的梯度
原图：

image.png

.
在进行腐蚀和膨胀的讲解之前，首先需要注意：腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。膨胀就是图像中的高亮部分进行膨胀，“领域扩张”，效果图拥有比原图更大的高亮区域。腐蚀就是原图中的高亮部分被腐蚀，“领域被蚕食”，效果图拥有比原图更小的高亮区域。

2.膨胀

opencv--API---->Dilation
其实，膨胀就是求局部最大值的操作。（我们知道灰度值0（黑色）-255（白色））

按数学方面来说，膨胀或者腐蚀操作就是将图像（或图像的一部分区域，我们称之为A）与核（我们称之为B）进行卷积。

核可以是任何的形状和大小，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，我们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（扩大），黑色轮廓部分比例缩小。
如下图所示，这就是膨胀操作的初衷。

image.png

数学表达式：

image.png

    Mat gray_src, binary, dst;
    Mat src = imread("D:\\dilate.png");
    if (src.empty()) {
        printf("could not load image...\n");
        return -1;
    }
    imshow("src", src);
    cvtColor(src, gray_src, COLOR_BGR2GRAY);
    //形态学操作
    Mat kernel = getStructuringElement(MORPH_RECT, Size(2, 2));
    //膨胀  亮度部分 黑色的范围会变小（白底黑色物体）  变细
    dilate(gray_src, binary, kernel, Point(-1, -1), 4);
    imshow("dilate", binary);

膨胀后结果：
白色背景膨胀，黑色图案范围缩小

image.png

2.腐蚀

腐蚀opencv--API---->erode
腐蚀，膨胀和腐蚀是一对好基友，是相反的一对操作，所以腐蚀就是求局部最小值的操作。

image.png

数学表达式：

image.png

结果变粗

image.png

    Mat kernel = getStructuringElement(MORPH_RECT, Size(2, 2));
    erode(gray_src, erodeMat,kernel, Point(-1, -1), 4);
    imshow("erodeMat", erodeMat);