OpenCV基本函数与原理（二）

1形态学操作

图像形态学操作 ：基于形状的一系列图像处理操作的合集，主要是基于集合论基础上的形态学数学。
形态学的应用：消除噪声、边界提取、区域填充、连通分量提取、凸壳、细化、粗化等；分割出独立的图像元素，或者图像中相邻的元素；求取图像中明显的极大值区域和极小值区域；求取图像梯度。
形态学图像处理的基本运算有：膨胀、腐蚀、开操作和闭操作，击中与击不中变换，TOP-HAT变换，黑帽变换等 。

在讲各种形态学操作之前，先来看看结构元素：
膨胀和腐蚀操作的核心内容是结构元素。（后面的开闭运算等重要的也是结构元素的设计，一个合适的结构元素的设计可以带来很好的处理效果）一般来说结构元素是由元素为1或者0的矩阵组成。结构元素为1的区域定义了图像的领域，领域内的像素在进行膨胀和腐蚀等形态学操作时要进行考虑。
一般来说，二维或者平面结构的结构元素要比处理的图像小得多。结构元素的中心像素，即结构元素的原点，与输入图像中感兴趣的像素值（即要处理的像素值）相对应。三维的结构元素使用0和1来定义x-y平面中结构元素的范围，使用高度值定义第三维。
相应的API:

Mat kernel = getStructuringElement(int shape,Size ksize，Point anchor）;
//结构元素的定义：形状 (MORPH_RECT \MORPH_CROSS（交叉形） \MORPH_ELLIPSE)；结构元素大小；锚点 默认是Point(-1, -1)意思就是中心像素,也可以自己指定

1.1膨胀

跟卷积操作类似，假设有图像A和结构元素B，结构元素B在A上面移动，其中B定义其中心为锚点，计算B覆盖下A的最大像素值用来替换锚点的像素，其中B作为结构体可以是任意形状。下图的右边为膨胀之后的图像。

相应的API:

void dilate( const Mat& src, Mat& dst, const Mat& element,Point anchor=Point(-1,-1), int iterations=1,int borderType=BORDER_CONSTANT,const Scalar& borderValue=morphologyDefaultBorderValue() );

参数解释：
src:原图像。
dst：目标图像。
element:腐蚀操作的内核。 如果不指定，默认为一个简单的矩阵。否则，我们就要明确指定它的形状，可以使用函数getStructuringElement().
anchor:默认为Point(-1,-1),内核中心点。省略时为默认值。
iterations:腐蚀次数。省略时为默认值1。
borderType:推断边缘类型，具体参见borderInterpolate函数。默认为BORDER_DEFAULT，省略时为默认值。
borderValue:边缘值，具体可参createMorphoogyFilter函数。可省略。

1.2 腐蚀

腐蚀跟膨胀操作的过程类似，唯一不同的是以最小值替换锚点重叠下图像的像素值。下图的右边为腐蚀之后的图像。

相应的API：

void erode( const Mat& src, Mat& dst, const Mat& element,Point anchor=Point(-1,-1), int iterations=1,int borderType=BORDER_CONSTANT,
const Scalar& borderValue=morphologyDefaultBorderValue() );

参数和膨胀一样。

1.3 开运算

先腐蚀后膨胀，等价于：

作用：用来消除图像中细小对象，在纤细点处分离物体和平滑较大物体的边界而有不明显改变其面积和形状。
由于开操作、闭操作、顶帽和黑帽共用一个API，所以见文后分析。

1.4闭操作

先膨胀后腐蚀，等价于：

作用：用来填充目标内部的细小孔洞（fill hole），将断开的邻近目标连接，在不明显改变物体面积和形状的情况下平滑其边界。

1.5形态学梯度、顶帽、黑帽

1）形态学梯度（Morphological gradient）
形态学梯度操作能描述图像亮度变化的剧烈程度；当我们想要突出高亮区域的外围时，则可以选用形态学梯度来突出边缘，可以保留物体的边缘轮廓。

2）顶帽
顶帽是原图与原图的开运算的差值图像。开运算放大了裂缝或者局部低亮度的区域，所以，从原图中减去开运算后的图，得到的结果突出了比原图轮廓周围的区域更明亮的区域，这个操作与选择的核的大小有关。TopHat运算一般用来分离比邻近点亮一些的斑块，可以使用这个运算提取背景。
3）黑帽
黑帽是闭运算结果与原图的差值图像。黑帽运算的结果突出了比原图轮廓周围区域更暗的区域，所以黑帽运算用来分离比邻近点暗一些的斑块。

开操作、闭操作、顶帽和黑帽的API：

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

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像位深应该为以下五种之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F。
第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。
第三个参数，int类型的op，表示形态学运算的类型，可以是如下之一的标识符：
MORPH_OPEN – 开运算（Opening operation）：先腐蚀后膨胀，去掉小对象
MORPH_CLOSE – 闭运算（Closing operation）：先膨胀后腐蚀，可以填充一些小的空洞（fill hole）
MORPH_GRADIENT - 形态学梯度（Morphological gradient）：膨胀后的图减去腐蚀后的图(设置恰当的参数可以得到目标的大致边缘)
MORPH_TOPHAT - “顶帽”（“Top hat”）：原图像与开操作之间的差值图像(可以用来观察开运算除去了哪些小目标)
MORPH_BLACKHAT - “黑帽”（“Black hat“）：闭操作图像与源图像的差值图像（可以观察闭运算的效果）
第四个参数：结构元素即形态学运算的内核
第五个参数，Point类型的anchor，锚的位置，其有默认值（ - 1， - 1），表示锚位于中心。
第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1。
第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_ CONSTANT。
第八个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档。

综合示例：

#include <opencv2/opencv.hpp> 
#include <iostream> 
using namespace cv;

Mat src, dst;
char OUTPUT_WIN[] &#