数字图像处理_07.1_(形态学处理，腐蚀，膨胀）

本章学习图像处理中的形态学处理，膨胀，腐蚀。

腐蚀（erode）、膨胀（dilate）

1）结构元（StructingElement）在形态学处理中经常用到，和前几章所学的卷积核、算子意思类似，都是用于对图片处理的小矩阵。腐蚀和膨胀均用到了结构元。
cv中提供了很多结构元的类型：十字型：cv.MORPH_CROSS，矩形：cv.MORPH_RECT，椭圆形：cv.MORPH_ELLIPSE

结构元是二维矩阵，内部元素去整数0或者1。
对二值图，元素取0或255，对应黑与白。
对灰度图，取0-255
对于彩色图，每个通道取0-255

可以自定义结构元也可以直接使用cv中cv.getStructuringElement（）的方法

K1 = np.ones((3,3),dtype=np.uint8)
K2 = cv.getStructuringElement(cv.MORPH_ELLIPSE,(7,7))#结构元

2）腐蚀
用于消除毛刺和小区域，可能会使得图像变暗。
在二值图中：
腐蚀：结构元为1出图像均为255，则整个结构元中心区域变为255，否则变为0
在灰度图中：
腐蚀：取结构元中的最小值作为新图像这个结构元区域的值。

img_erode= cv.erode(img,K1)
img_erode2 = cv.morphologyEx(img,cv.MORPH_ERODE,K1)

cv.erode(原图像,结构元)
cv.morphologyEx(原图像,cv.MORPH_ERODE,结构元)

3）膨胀
膨胀可以连接边缘，但是可以能会放大噪声
在二值图中：
腐蚀：结构元为1处图像均为0，则整个结构元中心区域变为0，否则变为255
在灰度图中：
腐蚀：取结构元中的最大值作为新图像这个结构元区域的值。

• 可以用直接用cv.dilate(img,K1)

img_dilate = cv.dilate(img,K1)
show(img_dilate)

• 也可以用通用的cv.morphologyEx(原图像,cv.MORPH_DILATE,结构元)

Kernel1 = cv.getStructuringElement(cv.MORPH_RECT,(1,3))
img_dilate1 = cv.morphologyEx(img,cv.MORPH_DILATE,Kernel1)

Kernel2 = cv.getStructuringElement(cv.MORPH_RECT,(3,1))
img_dilate2 = cv.morphologyEx(img,cv.MORPH_DILATE,Kernel2)
show(np.hstack([img,img_dilate1,img_dilate2]))

输出结果：

对于灰度图：

img_bird = cv.imread('pic/bird1000x800.jpg',0)

Kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE,(21,21))#结构元

img_erode = cv.morphologyEx(img_bird,cv.MORPH_ERODE,Kernel)
img_dilate = cv.morphologyEx(img_bird,cv.MORPH_DILATE,Kernel)

show(np.hstack([img_bird,img_erode,img_dilate]))

输出图像（原图像，腐蚀图像，膨胀图像）