C语言数字图像处理（八）：图像腐蚀、膨胀、开运算闭运算，边界提取和连接

0. 完整仓库 & 教程：

这一章节的完整代码在：Chapter 8. Erosion, Dilation, Opening, Closing, and Connection

如果你喜欢这个系列的文章或者感觉对你有帮助，请给我的仓库一个⭐️。

1. 腐蚀、膨胀、开运算和闭运算

1.1 腐蚀

算法：

当  中的集合 𝐴 和 集合𝐵 ，𝐵 对 𝐴 的侵蚀表示为 𝐴⊖𝐵 ，定义为：

在代码的实现中，该算法使用卷积内核（convolution kernel） 𝐵 对图像 𝐴 与进行卷积。内核 𝐵 具有可定义的锚点，即中心点。然后在图像上滑动内核 𝐵，提取内核 𝐵 覆盖区域的最小像素值，并替换锚点处的像素。

图像和结果对比（noisy_fingerprint, noise_rectangle）：

结果分析：

腐蚀操作将减少图像中的高光区域（在我们的例子中为纯白色）。 它本质上是沿着图中物体的边界移除像素并减小物体的大小。 它具有减少零星高光噪点的效果，并且其效果随着卷积元素尺寸的增大而增加，同时消耗的时间也会急剧增加。

代码实现(完整代码见顶部GitHub)：

for(int i = 0; i < image->Height; i++) {
    for(int j = 0; j < image->Width; j++) {
        int min = 255;
        // the size of structual element can be changed values of x and y:
        for(int x = -1; x <= 1; x++) {
            for(int y = -1; y <= 1; y++) {
                int temp = tempin[(image->Width)*(i+x) + (j+y)];
                if(temp < min) min = temp;
            }
        }
        tempout[image->Width * i + j] = min;
    }
}

1.2 膨胀

算法：

当  中的集合 𝐴 和 集合𝐵 ，𝐵 对 𝐴 的膨胀表示为 𝐴⊕𝐵 ，定义为：

与腐蚀算法类似，它也使用卷积内核 𝐵 对图像 𝐴 与进行卷积。 然后在图像上滑动核𝐵，提取核𝐵覆盖区域的最大像素值，并替换中心点的像素。

图像和结果对比（noisy_fingerprint, noise_rectangle）：

结果分析：

膨胀与腐蚀相反，它将放大图像中的高光区域（在我们的例子中为纯白色）。 它具有放大细节的效果，放大的程度取决于卷积元素的大小。 但膨胀操作会放大图像中不需要的零星噪声。

代码实现(完整代码见顶部GitHub)：

for(int i = 0; i < ima