什么是形态学
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。
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。
膨胀与腐蚀
最基本的形态学操作有二种：膨胀与腐蚀(Dilation与Erosion)。
作用
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
定义
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。
膨胀（dilate）
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（体现局部）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。
假设A区域内为高亮白色，则右侧区域中虚线部分与左侧图形等大。通过膨胀操作，A的范围扩大。
膨胀可以理解为B的中心（锚点）沿着A的外边界走了一圈。膨胀是对高亮部分而言，A区域之外的部分 < A的高亮像素，所里外面被里面取代。
用(x, y)周边区域(x+x’, y+y’)内的最大值代替(x, y)的值。因而整体变亮。
腐蚀（erode）
用(x, y)周边区域(x+x’, y+y’)内的最小值代替(x, y)的值。因而整体变暗。
相关API
- 获取结构元素
getStructuringElement(int shape, Size ksize, Point anchor) //- shape 形状 (MORPH_RECT 矩形 \MORPH_CROSS 变形十字 \MORPH_ELLIPSE 变形椭圆) //- ksize 大小，奇数 //- anchor 锚点，默认是Point(-1, -1)意思就是中心像素 int s = element_size * 2 + 1; Mat structureElement = getStructuringElement(MORPH_RECT, Size( s, s), Point(-1, -1)); //获取结构元素,形状，大小，锚点（中心） 讯享网
- 膨胀
讯享网dilate(src, dst, kernel); //原图，目标图像，结构元素 dilate(src, dst, structureElement, Point(-1, -1), 1); //膨胀(最大值替换，变白亮），结构元素，锚点，迭代次数（不写也默认为1）
- 腐蚀
erode(src, dst, kernel); //原图，目标图像，结构元素 erode(src, dst, structureElement); //腐蚀（最小值替换，变暗黑），锚点前面已定义这里默认了 梯度
形态学梯度是膨胀和腐蚀的差别，结果看上去就像前景物体的轮廓。计算的梯度常见的有三种.
作用：边缘提取，对二值图像进行这一操作，可以将团块（blob）的边缘突出出来，保留物体的边缘轮廓。
基本梯度(gradient)：
基本梯度是用膨胀后的图像减去腐蚀后的图像得到差值图像，称为梯度图像，也是OpenCV中支持的计算形态学梯度的方法，而此方法得到的梯度又被称为基本梯度。
内部梯度(inernal)：
是用原图像减去腐蚀后的图像得到差值图像，称为图像的内部梯度
外部梯度(external)：
图像膨胀后的图像减去原来的图像得到的差值图像，称为图像的外部梯度。
讯享网morphologyEx(src, dst3, CV_MOP_GRADIENT, kernel); //梯度，膨胀减腐蚀，边缘提取
开，闭
开（Open）：：先腐蚀后膨胀
作用：可以去掉小的白噪点，填充小的白洞。能排除小区域物体、消除孤立点、去噪、平滑物体的轮廓。
Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1)); //结构元素 morphologyEx(src, dst1, CV_MOP_OPEN, kernel); //开操作，先腐蚀后膨胀 闭操作（close）：先膨胀后腐蚀（bin2）
讯享网morphologyEx(src, dst2, CV_MOP_CLOSE, kernel); //闭操作，先膨胀后腐蚀
顶帽，黑帽
顶帽（top hat）：原图像与开操作之间的差值图像
作用：显示开操作所去掉的小白噪点。往往用来分离比邻近点亮一些的斑块。当一幅图像具有大幅的背景的时候，而微小物品比较有规律的情况下，可以使用顶帽运算进行背景提取。
图中是直接二值化和先顶帽，后二值化的结果比较。
Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1)); //结构元素 morphologyEx(src, dst1, CV_MOP_OPEN, kernel); //开操作，先腐蚀后膨胀 黑帽（black hat）：闭操作图像与源图像的差值图像
作用：显示闭操作所填充的小黑洞。突出了与原图像轮廓周围的区域更暗的区域，且这一操作和选择的核大小相关。所以黑帽运算用来分离比邻近点暗一些的斑块。
讯享网morphologyEx(src, dst2, CV_MOP_CLOSE, kernel); //闭操作，先膨胀后腐蚀
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/22070.html