图像处理--形态学

最基本两个形态学运算----膨胀与腐蚀

膨胀与腐蚀能够实现以下作用：

   1.消除噪声

   2.分割出独立的图像元素，在图像中连接相邻的元素

   3.寻找图像中的明显的极大值区域或者极小值区域

   4.求出图像的梯度

需要注意之处： 腐蚀和膨胀都是对图像的白色部分(高亮部分)而言。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。

从数学的角度来说，膨胀和腐蚀操作就是将图像与核进行卷积，核可以是任意形状和大小的。

*膨胀(dilate)

   膨胀就是求局部最大值的操作。核B与图像卷积，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。这样就会使图像中高亮区域逐渐增长。

以下是膨胀操作的示意图：

*腐蚀(erode)

   腐蚀就是求局部最小值的操作。核B与图像卷积，即计算核B覆盖的区域的像素点的最小值，并把这个最小值赋值给参考点指定的像素。这样就会使图像中高亮区域逐渐减少。

以下是腐蚀操作的示意图：

更加高级的形态学变换

运用膨胀和腐蚀这两个基本操作，可实现较高级的形态学变换，如 开运算，闭运算，形态学梯度，顶帽，黑帽。

*开运算(opening Operation)

  开运算其实就是先腐蚀再膨胀，数学表达式：

   dist = open(src,element) = dilate(erode(src,element)) 

  开运算可以用来消除小物体，在纤细处分离物体，并且在平滑较大物体的边界的同时不明显改变其面积。

*闭运算(closing Operation)

  闭运算其实就是先膨胀再腐蚀，数学表达式：

   dist = close(src,element) = erode(dilate(src,element)) 

  闭运算能够排除小型黑洞(黑色区域)。

*形态学梯度(morphological Gradient)

 形态学梯度就是膨胀图与腐蚀图之差，数学表达式：

  dist = morph-grad(src,element) = dilate(src,element) - erode(src,element)

 对二值图像进行这一操作，可以将团块的边缘突出出来，我们可以用形态梯度来保留物体的边缘轮廓

*顶帽(top Hat)

 顶帽就是原图与开运算图之差，数学表达式：

 dist = tophat(src,element) = src - open(src,element)

 因为开运算带来的结果是放大了裂痕或者局部低亮度的区域。因此，从原图中减去开运算后的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域，且这一操作与选择的核的大小有关。

 顶帽运算往往用来分离比邻近点亮一些的斑块，在一幅图像具有大幅的背景，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。

*黑帽(black Hat)

 黑帽就是原图与闭运算图之差，数学表达式：

 dist = blackhat(src,element) = close(src,element)  - src

 黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域，且这一操作与核的大小有关。

 黑帽运算用来分离比临近点暗一点的斑块，效果图有着非常完美的轮廓

以上就是形态学的常用操作方法的介绍，下一步就是实践应用了！