《形态学滤波的奇幻》

我们为什么要用形态学滤波

• 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

原图：
图片来源网络，如有侵权及时告知删改。

膨胀，腐蚀

首先，膨胀和腐蚀是形态学处理图像的基本操作。
膨胀：（dilate）
是针对高光区域进行膨胀，类似与领域扩张，效果图拥有比原图更大的高光区域。
原理：
膨胀就是求局部最大值的操作，卷积核与图形卷积，即计算核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。
效果图：

不难看到与原图相比高光区域扩张了。
API函数使用:

dilate(g_srcImage, g_dstImage, element);

这里第三个参数是利用了getStructuringElement函数作为参数返回。其中，getStructuringElement函数的第一个参数表示内核的形状，我们可以选择如下三种形状之一:

• 矩形: MORPH_RECT

• 交叉形: MORPH_CROSS

• 椭圆形: MORPH_ELLIPSE

而getStructuringElement函数的第二和第三个参数分别是内核的尺寸以及锚点的位置。
使用如下：

Mat element = getStructuringElement(MORPH_RECT,
	Size(2*g_nStructElementSize+1,2*g_nStructElementSize+1),
	Point( g_nStructElementSize, g_nStructElementSize ));

腐蚀：（erode）
原图像的亮部区域被腐蚀，类似领域蚕食，与原图相比亮部区域会减少。

原理：与膨胀相反，除求的是最小值，其他基本相同。

效果图：

可以看见暗部扩张了。
API函数使用：（这里的element与上面相同）

erode(g_srcImage, g_dstImage, element);

开运算、闭运算

开运算：
先腐蚀后膨胀。开运算可以用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。

效果图：

可以看见，橙子皮上小颗粒被消除了，但是由于是先腐蚀导致暗部变大在膨胀来调节导致效果图会偏暗。不过边界被很好保存，没改变面积。
使用：

morphologyEx(g_srcImage, g_dstImage, MORPH_OPEN, element);

morphologyEx这个是个函数这里就不介绍。

闭运算：
先膨胀后腐蚀的过程称为闭运算(Closing Operation)，闭运算能够排除小型黑洞(黑色区域)
效果图：

可以发现小型黑色区域被消除，这是因为先膨胀调大高亮区域，再腐蚀调和。
使用：

morphologyEx(g_srcImage, g_dstImage, MORPH_CLOSE, element);

顶帽、黑帽

顶帽：
为原图像与上文刚刚介绍的“开运算“的结果图之差，因为开运算带来的结果是放大了裂缝或者局部低亮度的区域，因此，从原图中减去开运算后的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域

效果图:

黑帽：
黑帽（Black Hat）运算为”闭运算“的结果图与原图像之差，黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域。

注意比较顶帽和黑帽突出的区域。再看原图，看轮廓周围的区域