形态学算子：腐蚀，膨胀，开闭

本文总结了腐蚀，膨胀和开闭操作在二值图像上的应用，基于opencv给出了实例。

参考：《数字图像处理》(第三版)  冈萨雷斯

1、腐蚀

腐蚀的定义为：在二维整数空间中，存在集合A和B，则B对A的腐蚀记为：

其中，称为集合按照点的平移。

上面的定义含义是，B对A的腐蚀是一个用z平移的B包含在A中的所有的点z的集合。腐蚀缩小或细化了二值图像中的物体。可以将腐蚀视为形态学滤波，这种操作将小于结构元的图像细节从图像中滤除。

2、膨胀

膨胀的定义为：A和B是中的集合，B对A的膨胀为：

 其中是集合的反射，即。

从膨胀的定义可以得知，B对A的膨胀是在保证和至少有一个元素是重叠的前提下，所有位移z的集合。膨胀会“增长”或“粗化”二值图像中的物体，这种特殊的方式和粗化的宽度由所用结构元来控制。

3、开操作和闭操作

结构元B对集合A的开操作表示为：

上式的含义是B对A的开操作就是B对A的腐蚀，紧接着用B对结果进行膨胀。

结构元B对集合A的闭操作表示为：

上式的含义是B对集合A的闭操作就是简单地用B对A膨胀，紧接着用B对结果进行腐蚀。

开操作一般会平滑物体的轮廓、断开较窄的狭颈并消除较细的突出物。

闭操作同样也会平滑轮廓的一部分，但与开操作相反，它通常会弥合较窄的间断和细长的沟壑，消除较小的孔洞，填补轮廓线中的断裂。

4、应用opencv实现腐蚀和膨胀

代码如下

# encoding:utf-8

import cv2
import numpy as np

kernel5 = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
kernel10 = cv2.getStructuringElement(cv2.MORPH_RECT,(10,10))

img = cv2.imread("five.jpg")
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,binary_img = cv2.threshold(gray_img,0,255,cv2.THRESH_BINARY_INV|cv2.THRESH_OTSU)
dilate_img = cv2.dilate(binary_img,kernel5)  # 膨胀
erode_img = cv2.erode(binary_img,kernel5)   # 腐蚀
H, W = binary_img.shape
gap = np.ones(shape=(H,W//10),dtype=np.uint8)*255
im = np.hstack([binary_img,gap,dilate_img,gap,erode_img])
cv2.imshow("",im)
cv2.waitKey(0)


open_img5 = cv2.dilate(erode_img,kernel5)
close_img5 = cv2.erode(dilate_img,kernel5)
im = np.hstack([binary_img,gap,open_img5,gap,close_img5])
cv2.imshow("",im)
cv2.waitKey(0)

open_img10 = cv2.dilate(erode_img,kernel10)
close_img10 = cv2.erode(dilate_img,kernel10)
im = np.hstack([binary_img,gap,open_img10,gap,close_img10])
cv2.imshow("",im)
cv2.waitKey(0)

膨胀和腐蚀的结果如下图所示，最左侧是原图经过二值化之后的图，中间是用5乘5的矩形结构元膨胀的图，右侧是腐蚀的图。可以看到原图笔画中存在一些狭窄的断裂，膨胀之后笔画变粗了一些，并且断裂消失了。腐蚀之后笔画变得更细，并且笔画之间的断裂变得更大。膨胀图中的噪点同样变大了，腐蚀图中虽然噪点消失了，但是笔画不连续。

使用5乘5开操作和闭操作的结果如下图所示，左侧是原图的二值图，中间是开操作的图，也就是先腐蚀再膨胀，可以看到腐蚀的时候已经去除了图中的噪点，膨胀操作让笔画显得更粗一些。右侧是闭操作图，即先膨胀再腐蚀，因为膨胀的时候噪点也放大了，因此经过腐蚀之后，还是存在噪点。

先使用5乘5腐蚀和膨胀，然后使用10乘10的结构元进行开闭操作，结果如下图所示。可以看到开操作和闭操作的图中，都没有噪点，并且笔画也更加连贯。