【OpenCV】OpenCV基础教程（6）—— 形态学处理

6. 形态学处理

6.1 腐蚀

图像的腐蚀操作是取每一个位置的矩形邻域内值的**最小值**作为该位置的输出灰度值。这里的邻域不再单纯是矩形结构的，也可以是椭圆形结构的、十字交叉形结构的等。与卷积核类似，它同样需要指定一个锚点。

因为取每个位置邻域内的最小值，所以腐蚀后输出图像的总体亮度的平均值比起原图会有所降低，图像中比较亮的区域的面积会变小甚至消失，而比较暗的区域的面积会增大。

假设原图像是$\mathbf{I}$，经过腐蚀后的图像是$\mathbf{E}$。因为对图像进行腐蚀操作后缩小了亮度区域的面积，所以针对阈值分割后前景是白色的二值图，可以通过$\mathbf{I}-\mathbf{E}$操作来提取边界。如下图所示：

---

对于图像的腐蚀操作，OpenCV提供了以下的函数：

void cv::erode(cv::InputArray src, cv::OutputArray dst, cv::InputArray kernel, cv::Point anchor = cv::Point(-1, -1), int iterations = 1, int borderType = 0, const cv::Scalar &borderValue = morphologyDefaultBorderValue())

与卷积操作类似，对于边界处的像素的邻域有可能会超出图像边界，所以需要扩充图像边界，边界扩充类型与图像平滑中提到的方式相同，其中的镜像扩充操作效果是最好的。对于函数erode经常需要调节的参数是 kernel 和 iterations，其他参数采用默认值即可，而代表结构元的参数 kernel 是 OpenCV 提供的函数：

cv::Mat cv::getStructuringElement(int shape, cv::Size ksize, cv::Point anchor = cv::Point(-1, -1))

shape = MORPH_RECT：产生矩形的结构元

shape = MORPH_ELLIPSEM：产生椭圆形的结构元

shape = MORPH_CROSS：产生十字交叉形的结构元

用法如下：

//输入图像
Mat I = cv::imread(argv[1], CV_LOAD_IMAGE_GRAYSCALE);
//创建矩形结构元
Mat s = cv::getStructuringElement(cv::MORPH_RECT,Size(3,3));
//2次腐蚀操作
Mat E;
cv::erode(I, E, s, Point(-1,-1), 2);

6.2 膨胀

图像的膨胀操作是取每一个位置的矩形邻域内值的**最大值**作为该位置的输出灰度值。这里的邻域不再单纯是矩形结构的，也可以是椭圆形结构的、十字交叉形结构的等。与卷积核类似，它同样需要指定一个锚点。

因为取每个位置邻域内的最大值，所以膨胀后输出图像的总体亮度的平均值比起原图会有所提高，图像中比较亮的区域的面积会变大，而比较暗的区域的面积会减小。

---

对于图像的膨胀操作，OpenCV提供了以下的函数：

void cv::dilate(cv::InputArray src, cv::OutputArray dst, cv::InputArray kernel, cv::Point anchor = cv::Point(-1, -1), int iterations = 1, int borderType = 0, const cv::Scalar &borderValue = morphologyDefaultBorderValue())

与卷积操作类似，对于边界处的像素的邻域有可能会超出图像边界，所以需要扩充图像边界，边界扩充类型与图像平滑中提到的方式相同，其中的镜像扩充操作效果是最好的。对于函数dilate经常需要调节的参数是 kernel 和 iterations，其他参数采用默认值即可，而代表结构元的参数 kernel 是 OpenCV 提供的函数：

cv::Mat cv::getStructuringElement(int shape, cv::Size ksize, cv::Point anchor = cv::Point(-1, -1))

shape = MORPH_RECT：产生矩形的结构元

shape = MORPH_ELLIPSE：产生椭圆形的结构元

shape = MORPH_CROSS：产生十字交叉形的结构元

用法如下：

//输入图像
Mat I = cv::imread(argv[1], CV_LOAD_IMAGE_GRAYSCALE);
//创建矩形结构元
Mat s = cv::getStructuringElement(cv::MORPH_RECT,Size(3,3));
//2次膨胀操作
Mat D;
cv::dilate(I, D, s, Point(-1,-1), 2);

6.3 开运算和闭运算

6.3.1 开运算

先腐蚀再膨胀的操作称为开运算。

它具有消除亮度较高的细小区域、在纤细点处分离物体，对于较大物体，可以在不明显改变其面积的情况下平滑其边界等作用。

6.3.2 闭运算

先膨胀再腐蚀的操作称为闭运算。

它具有填充白色物体内细小黑色空洞的区域、连接临近物体、同一个结构元、多次迭代处理，也可以在不明显改变其面积的情况下平滑其边界等作用。

---

开运算和闭运算的OpenCV实现如下：

void cv::morphologyEx(cv::InputArray src, cv::OutputArray dst, int op, cv::InputArray kernel, cv::Point anchor = cv::Point(-1, -1), int iterations = 1, int borderType = 0, const cv::Scalar &borderValue = morphologyDefaultBorderValue())

src：输入矩阵

op：形态学处理的各种运算，值设置选项如下：

​ MORPH_OPEN：开运算

​ MORPH_CLOSE：闭运算

​ MORPH_GRADIENT：形态梯度

​ MORPH_TOPHAT：顶帽运算

​ MORPH_BLACKHAT：底帽运算

kernel：结构元

anchor：结构元的锚点

iterations：迭代次数

6.4 其他形态学处理操作

6.4.1 顶帽变换

图像减去开运算结果称为顶帽变换（Top-hat）。

开运算可以消除暗背景下的较亮区域，那么如果用原图减去开运算结果就可以得到原图中灰度较亮的区域，所以又称白顶帽变换。它还有一个很重要的作用，就是校正不均匀光照。

6.4.2 底帽变换

图像减去闭运算结果称为底帽变换（Bottom-hat）。

闭运算可以删除亮度较高背景下的较暗区域，那么用原图减去闭运算结果就可以得到原图中灰度较暗的区域，所以又称黑底帽变换。

6.4.3 形态学梯度

膨胀结果减去腐蚀结果，可以得到图像中物体的边界，是一种提取目标物体边缘的算法。