形态学图像处理

前几天一直在研究形态学在图像处理中的应用，查了很多资料。首先关于图像形态学的具体理论知识，课参考如下博客：
http://www.cnblogs.com/slysky/archive/2011/10/16/2214015.html
http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/erosion_dilatation/erosion_dilatation.html

形态学操作及其公式小结：

上述操作是对二值图像进行操作的，当腐蚀、膨胀是最基本的操作，其他操作是基于这两个操作和集合论的组合。对于灰度图像来说，腐蚀和膨胀也是基本其他操作的基础，但是灰度图像腐蚀和膨胀不同于二值图像的腐蚀和膨胀。

灰度图像的腐蚀和膨胀定义如下：

（1）腐蚀：当结构元素b的原点位于（x，y）处时，用b对图像f进行腐蚀，是查找f中与结构元素b重合区域灰度级别最小的值，然后把最小的灰度值赋值给点（x，y）：

（2）膨胀：当结构元素b的原点位于（x，y）处时，用b的反射（-b）对图像f进行腐蚀，是查找f中与结构元素b的反射重合区域灰度级别最大的值，然后把最大的灰度值赋值给点（x，y）：

关于灰度图像的应用有：
（1）形态学梯度：

（2）顶帽变换：

（3）底帽变换：

具体代码如下：

#include<opencv.hpp>
#include<highgui.h>
#include<imgproc.hpp>
using namespace cv;

//把灰度图像转化为二值图像
Mat changeToBinaryImage(Mat grayImage)
{
    Mat binaryImage(grayImage.rows, grayImage.cols, CV_8UC1, Scalar(0));

    //转化为二值图像
    for (int i = 0; i < grayImage.rows; i++)
    {
        for (int j = 0; j < grayImage.cols; j++)
        {
            if (grayImage.data[i*grayImage.step + j]>100)
            {
                binaryImage.data[i*grayImage.step + j] = 255;
            }
            else
            {
                binaryImage.data[i*grayImage.step + j] = 0;
            }
        }
    }
    imshow("binaryImage", binaryImage);

    return binaryImage; 
}

//创建结构元素
//一般结构元素 关于原点对称
//Mat createSE()
//{
   
//  int a[3][3]={ 0,1,0,
//  1,1,1,
//  0,1,0};
//  Mat structureElement(3, 3, CV_8UC1, a);
//}

//二值图像腐蚀操作
Mat binaryErosion(Mat binaryImage, Mat se)
{
    //二值图像移动
    Mat window(se.rows, se.cols, CV_8UC1);

    //定义一个矩阵，存储腐蚀后的图像
    Mat binaryErosionImage(binaryImage.rows, binaryImage.cols, CV_8UC1, Scalar(0));

    for (int i = (se.rows-1)/2; i < binaryImage.rows-(se.rows-1)/2; i++)
    {
        for (int j = (se.cols - 1) / 2; j < binaryImage.cols - (se.cols - 1) / 2; j++)
        {
            //先设置第i行第j列像素值为255，即白色
            binaryErosionImage.data[i*binaryImage.step + j] = 255;
            for (int row = 0; row < se.rows; row++)
            {