opencv 核 腐蚀_学习 opencv---(9)形态学图像处理（一）：膨胀和腐蚀

本篇文章中，我们一起探究了图像处理中，最基本的形态学运算——膨胀与腐蚀。浅墨在文章开头友情提醒，用人物照片做腐蚀和膨胀的素材图片得到的效果会比较惊悚，毁三观的，不建议尝试。。。。。。。。。。

一、理论与概念讲解——从现象到本质

1.1 形态学概述

形态学(morphology)一词通常表示生物学的一个分支，该分支主要研究动植物的形态和结构，而我们图像处理中指的形态学，往往表示的是数学形态学，下面一起来了解数学形态学的概念。

数学形态学(Mathematical morphology)是一门建立在格论和拓扑学基础之上的图像分析学科，是数学形态学图像处理的基本理论。其基本的运算包括：二值腐蚀和膨胀，二值开闭运算，骨架抽取，极限腐蚀，击中击不中变换，形态学梯度，Top-hat变换，颗粒分析，流域变换，灰值腐蚀和膨胀，灰值开闭运算，灰值形态学梯度等。

简单来讲，形态学操作就是基于形状的一系列图像处理操作。opencv为进行图像的形态学变换提供了快捷，方便的函数，最基本的形态学操作有二种，他们是：膨胀和腐蚀(Dilation与Erosion)

膨胀与腐蚀能实现多种多样的功能，主要如下：

消除噪声

分割(isolate)出独立的图像元素，在图像中连接(join)相邻的元素。

寻找图像中的明显的极大值区域或极小值区域

求出图像的梯度

在进行腐蚀和膨胀的讲解之前，首先需要注意：腐蚀和膨胀是对白色部分(高亮部分)而言的，不是黑色部分。 膨胀就是图像中的高亮部分进行膨胀，“邻域扩张”，效果图拥有比原图更大的高亮区域。腐蚀就是原图中高亮部分被腐蚀，“邻域被蚕食”，效果图拥有比原图更小的高亮区域。

1.2 膨胀

其实，膨胀就是求局部最大值的操作。

按数学方面来说，膨胀或者腐蚀操作就是将图像(或图像的一部分区域，我们称之为A)与核(我们称之为B)进行卷积。

核可以是任何的形状和大小，它拥有一个单独定义出来的参考点，我们称其为锚点(anchorpoint)。多数情况下，核是一个小的中间带有参考点和实心正方形或者圆盘，其实，我们可以把核视为模板或者掩码。

而膨胀就是求局部最大值的操作，核B与图形卷积，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。这样就会使图像中的高亮区域逐渐增长。如下图所示，这就是膨胀操作的初衷

膨胀的数学表达式：

膨胀效果图(毛笔字)：

照片膨胀效果图：

1.3 腐蚀

再来看一下腐蚀，，大家应该知道，膨胀和腐蚀是一对好基友，是相反的一对操作，所以腐蚀就是求局部最小值的操作，我们一般都会把腐蚀和膨胀对应起来理解和学习。下文就可以看到，两者的函数原型也是基本上一样的。

原理图：

腐蚀的数学表达式：

腐蚀效果图(毛笔字)：

照片腐蚀效果图：

声明：这俩个数学表达式直接复制过来看的有点问题，应该是把小字体的部分去掉才对吧。。。。。。。。

二、深入——OpenCV源码分析溯源

直接上源码吧，在…\opencv\sources\modules\imgproc\src\ morph.cpp路径中 的第1773行开始就为erode(腐蚀)函数的源码，

1 voidcv::erode( InputArray src, OutputArray dst, InputArray kernel,2 Point anchor, intiterations,3 int borderType, const Scalar&borderValue )4 {5 //调用morphOp函数，并设定标识符为MORPH_ERODE

6 morphOp( MORPH_ERODE, src, dst, kernel, anchor, iterations, borderType, borderValue );7 }

第1781行

voidcv::dilate( InputArray src, OutputArray dst, InputArray kernel,

Point anchor,intiterations,int borderType, const Scalar&borderValue )

{//调用morphOp函