OpenCV学习笔记（七）：形态学morpholgy(1)：腐蚀/膨胀：enrode(),dilate()

OpenCV学习笔记（七）：形态学(morpholgy)：腐蚀/膨胀：enrode(),dilate()

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。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

一、膨胀就是求局部最大值的操作
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。

二、腐蚀就是求局部最小值的操作。
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。

代码：

#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

Mat g_srcImage, g_dstImage;					//原始图和效果图
int g_nTrackbarNumer = 1;					//0表示腐蚀erode, 1表示膨胀dilate
int g_nStructElementSize = 7;				//结构元素(内核矩阵)的尺寸


int main(int argc, char *argv[])
{
   
    QCoreApplication a