OpenCV-形态学操作

形态学,即数学形态学（Mathematical Morphology），是图像处理过程中一个非常重要的研究方向。形态学主要从图像内提取分量信息，该分量信息通常对于表达和描绘图像的形状具有重要意义，通常是图像理解时所使用的最本质的形状特征。例如，在识别手写数字时，能够能够通过形态学运算得到其骨架信息，在具体识别时，仅针对其骨架进行运算即可，形态学处理在视觉检测、文字识别、医学图像处理、图像压缩编码等领域都有非常重要的应用。
形态学操作主要包含：服饰、膨胀、开运算、闭运算、形态学梯度（Morphological Gradient）运算、顶帽运算（礼帽运算）、黑帽运算等操作。腐蚀操作和膨胀操作是形态学运算的基础，将腐蚀和膨胀操作进行结合，就可以实现开运算、闭运算、形态学梯运算、礼帽运算、黑帽运算、击中击不中等不同形式的运算。

腐蚀

腐蚀是最基本的形态学操作之一，它能够将图像的边界点消除，使图像沿着边界向内收缩，也可以将小于指定结构体元素的部分去除。
腐蚀用来收缩或者细化二值图像中的前景，借此实现去噪声，元素分割等功能

在open cv中，使用函数cv2.erode()实现腐蚀操作，其语法格式为：

dst = cv2.erode(src, kernel [, anchor[, iterations [ , borderType[ , borderValue]]]])

dst 是腐蚀后所输出的目标图像，该图像和原始图像具有同样的类型和大小。
src是需要进行腐蚀的原始图像，图像的通道数可以是任意的，但是要求图像的深度必须是CV_8U、CV_16U、CV_16S、CV_32F、CV_64F中的一种。
kernel代表腐蚀操作时采用的结构类型。它可以自定义生成，也可以通过函数cv2.getStructuringElement()生成。
anchor代表element结构中锚点的位置。该值默认为（-1,-1），在核的中心位置。
iterations 是腐蚀操作选代的次数，该值默认为1，即只进行一次腐蚀操作。
borderType代表边界样式，一般采用其默认值BORDER_CONSTANT。

img = cv2.imread('j.bmp')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

kernel = np.ones((3,3),np.uint8) 
erosion = cv2.erode(img,kernel,iterations = 1)
cv2.imshow('erosion', erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

pie = cv2.imread('j.bmp')
cv2.imshow('J', pie)
cv2.waitKey(0)
cv2.destroyAllWindows()

kernel = np.ones((30,30),np.uint8) 
erosion_1 = cv2.erode(pie,kernel,iterations = 1)
erosion_2 = cv2.erode(pie,kernel,iterations = 2)
erosion_3 = cv2.erode(pie,kernel,iterations = 3)
res = np.hstack((erosion_1,erosion_2,ero