图像处理的形态学操作

网上汇总的图像的形态学的操作处理

在学习的过程中越发的发现一些基本的操作的重要性

汇总了一下现在网上的对于图像的形态学操作

• 膨胀
• 腐蚀
• 开
• 闭
• 形态学梯度
• 顶帽
• 黑帽

---

膨胀

直观理解：通过与卷积核进行卷积操作将图像膨胀一圈。
学术理解：

膨胀就是求局部最大值的操作。核B与图像卷积，即计算核B覆盖的区域的像素点的最大值，并把这个最大值赋值给参考点指定的像素。这样就会使图像中高亮区域逐渐增长。

腐蚀

直观理解：通过与卷积核进行卷积操作将图像腐蚀一圈。
学术理解：

腐蚀就是求局部最小值的操作。核B与图像卷积，即计算核B覆盖的区域的像素点的最小值，并把这个最小值赋值给参考点指定的像素。这样就会使图像中高亮区域逐渐减少。

开

直观理解：

• 消除小物体，在纤细处分离物体，
• 在平滑较大物体的边界的同时不明显改变其面积。

学术理解：

开运算其实就是先腐蚀再膨胀，数学表达式：
dist = open(src,element) = dilate(erode(src,element))

闭

直观理解：

• 闭运算能够排除小型黑洞(黑色区域)。

学术理解：

闭运算其实就是先膨胀再腐蚀，数学表达式：
dist = close(src,element) = erode(dilate(src,element))

形态学梯度

直观理解：

• 可以将二值图像的团块的边缘突出
• 保留物体的边缘轮廓

学术理解：

形态学梯度就是膨胀图与腐蚀图之差，数学表达式：
dist = morph-grad(src,element) = dilate(src,element) - erode(src,element)

顶帽

直观理解：

• 分离比邻近点亮一些的斑块，在一幅图像具有大幅的背景，而微小物品比较有规律的情况下，可以使用顶帽运算进行背景提取。

学术理解：

顶帽就是原图与开运算图之差，数学表达式：
dist = tophat(src,element) = src - open(src,element)

黑帽

直观理解：

• 黑帽运算用来分离比临近点暗一点的斑块，效果图有着非常完美的轮廓

学术理解：

黑帽就是原图与闭运算图之差，数学表达式：
dist = blackhat(src,element) = close(src,element) - src

http://blog.csdn.net/yangleo1987/article/details/53168423>改写的博客原文