opencv 膨胀_形态学操作：腐蚀与膨胀

形态学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。图像处理中得形态学是指数学形态学。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：腐蚀和膨胀、开运算和闭运算、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、流域变换等。

形态学就是基于形状的一系列图像处理的操作。最基本的形态学有两种即膨胀(dilate)与腐蚀（erode）。膨胀与腐蚀可以实现很多功能，主要是以下几种：

• 消除噪声；
• 分割出独立的图像元素，连接相邻的元素；
• 寻找图像中得明显的极大值区域或极小值区域；
• 求图像的梯度。

腐蚀和膨胀是对于白色部分（高亮部分），而不是黑色部分。膨胀会使高亮部分区域更大，而腐蚀会让高亮区域更小。膨胀是求局部最大值的操作，而腐蚀则是求局部最小值的操作。膨胀的数学表达式如下：

腐蚀的数学表达式如下：

在opencv中提供了膨胀和腐蚀的API，首先看一下函数原型：

膨胀：

void cv::dilate( InputArray src, OutputArray dst, InputArray kernel,
                          Point anchor = Point(-1,-1), int iterations = 1,
                          int borderType = BORDER_CONSTANT,
                          const Scalar& borderValue = morphologyDefaultBorderValue() );

腐蚀：

void cv::erode( InputArray src, OutputArray dst, InputArray kernel,
                         Point anchor = Point(-1,-1), int iterations = 1,
                         int borderType = BORDER_CONSTANT,
                         const Scalar& borderValue = morphologyDefaultBorderValue() );

参数说明：

src : 输入图像，图像深度为CV_8U,CV_16U,CV_16S,CV_32F或CV_64F其中之一

dst : 输出的目标图像，和原图像有相同尺寸和大小

kernel : 腐蚀或者膨胀的卷积核，当为NULL时，表示的使用锚点位于中心的3x3的卷积核

anchor : 锚点位置，当为(-1,-1)时候，表示位于中心

iteration:表示迭代的腐蚀或者膨胀的次数

borderType ：用于推断图像外部像素的某种边界模式

borderValue：当边界为常数时的边界值

膨胀与腐蚀往往会结合getStructuringElement函数一起使用，看一下getStructingElement函数，函数原型如下：

cv::Mat getStructuringElement(int shape, cv::Size ksize, cv::Point anchor = Point(-1,-1))

函数功能：返回一个指定大小和形状的结构元素，用于形态学操作。

参数说明：

shape: 结构元素的形状，有以下三种：

MORPH_RECT ： 矩形

MORPH_CROSS : 交叉形状

MORPH_ELLIPSE: 椭圆形

ksize ：结构元素的大小

anchor : 指定锚点位置，当锚点为（-1，-1）表示锚点位于结构元素中心。

下面看一下膨胀和腐蚀的代码示例：

#include <iostream>
#include <opencv2/opencv.hpp>
cv::Mat srcImage;
cv::Mat srcImage1;
void OnErode(int pos,void *userdata)
{
    cv::Mat dstImage;
    cv::Mat element = cv::getStructuringElement(pos,cv::Size(5,5),cv::Point(-1,-1));
    cv::erode(srcImage,dstImage,element);
    cv::imshow("erode",dstImage);
}
void onDilate(int pos,void *userdata)
{
    cv::Mat dstImage;
    cv::Mat element = cv::getStructuringElement(pos,cv::Size(5,5),cv::Point(-1,-1));
    cv::dilate(srcImage,dstImage,element);
    cv::imshow("dilate",dstImage);
}
int main(int argc,char *argv[]) {
    srcImage = cv::imread(argv[1]);
    if (!srcImage.data)
    {
        std::cerr << "fail to load image" << std::endl;
        return -1;
    }
    srcImage1 = srcImage.clone();
    cv::namedWindow("dilate",cv::WINDOW_AUTOSIZE);
    cv::namedWindow("erode",cv::WINDOW_AUTOSIZE);
    cv::createTrackbar("Dilate","dilate",0,2,onDilate);
    cv::createTrackbar("Erode","erode",0,2,OnErode);
    cv::imshow("dilate",srcImage);
    cv::imshow("erode",srcImage1);
    cv::waitKey(0);
    cv::destroyAllWindows();
    return 0;
}

结果展示：