openCV学习笔记十：膨胀与腐蚀

图像形态学即数学形态学(Mathematical morphology)是一门建立在格伦和拓扑学基础上的图像分析学科，是数学形态学图像处理的基本理论。
最基本的形态学操作是：膨胀(dilation)和腐蚀（erosion）；

参数详解：
1.定义核（获取结构元素）——getStructuringElement()
Mat getStructuringElement(int shape, Size ksize, Point anchor=Point(-1,-1))
shape：模板形狀，有MORPH_RECT、MORPH_ELLIPSE、MORPH_CROSS三種可選。
ksize：模板尺寸。
2.膨胀——dilate()
dilate(const Mat &src, Mat &dst, Mat kernel, Point anchor=Point(-1,-1), int iterations=1)
src：输入图像
dst：目标图像
kernel：結構元素，如果kernel=Mat()則為預設的3×3矩形，越大膨脹效果越明顯。
anchor：原點位置，預設為結構元素的中央。
iterations：執行次數，預設為1次，執行越多次膨脹效果越明顯。
3.腐蚀——erode()
erode(const Mat &src, Mat &dst, Mat kernel, Point anchor=Point(-1,-1), int iterations=1)
src：输入图像
dst：输出图像
kernel：結構元素，如果kernel=Mat()則為預設的3×3矩形，越大侵蝕效果越明顯。
anchor：原點位置，預設為結構元素的中央。
iterations：執行次數，預設為1次，執行越多次侵蝕效果越明顯。

膨胀和腐蚀的主要用途：
消除噪声；
分割出独立的图像元素，在图像中连接相邻的元素；
寻找图像中明显的极大值或极小值区；
求出图像的梯度；
【注】：
腐蚀和膨胀是对像素值大的部分而言的，即高亮白部分而不是黑色部分；膨胀是图像中的高亮部分进行膨胀，领域扩张，效果图拥有比原图更大的高亮区域；腐蚀是图像中的高亮部分被腐蚀掉，领域缩减，效果图拥有比原图更小的高亮区域；
膨胀原理：
膨胀：求局部最大值；①定义一个卷积核B，核可以是任何的形状和大小，且拥有一个单独定义出来的参考点-锚点(anchorpoint)；通常和为带参考点的正方形或者圆盘，可将核称为模板或掩膜；②将核B与图像A进行卷积，计算核B覆盖区域的像素点最大值；③将这个最大值赋值给参考点指定的像素；因此，图像中的高亮区域逐渐增长。

腐蚀原理：
腐蚀：局部最小值(与膨胀相反)；①定义一个卷积核B，核可以是任何的形状和大小，且拥有一个单独定义出来的参考点-锚点(anchorpoint)；通常和为带参考点的正方形或者圆盘，可将核称为模板或掩膜；②将核B与图像A进行卷积，计算核B覆盖区域的像素点最小值；③将这个最小值赋值给参考点指定的像素；因此，图像中的高亮区域逐渐减小。

实例代码如下：
#include
#include <cv.h>
#include <highgui.h>
#include <windows.h>

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
Mat srcImg = imread(“1.JPG”, CV_LOAD_IMAGE_COLOR);
Mat dstImg;
Mat element = getStructuringElement( MORPH_RECT, Size(5, 5) );//MORPH_RECT，矩形；MORPH_CROSS,交叉形；MORPH_ELLIPSE，椭圆形//内核尺寸
cout << element << endl; //在控制台输出kernel
///膨胀
dilate(srcImg, dstImg, element, Point(-1, -1), 1);//输入图像//输出图像定义的kernel 锚点位置，默认值Point(-1,-1)，表示位于中心//膨胀的次数
///腐蚀
/* erode(srcImg, dstImg, element, Point(-1, -1), 1);*/
imshow(“src”, srcImg);
imshow(“dst”, dstImg);
waitKey(0);
}

运行结果如下：