四、形态学处理（膨胀，腐蚀，开闭运算）

膨胀与腐蚀能实现的功能：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。

注意：腐蚀和膨胀是对白色部分（高亮部分）而言的。膨胀是图像中的高亮部分进行膨胀，效果图拥有比原图更大的高亮区域。腐蚀就是原图中的高亮部分被腐蚀，效果图拥有比原图更小的高亮区域。

1、膨胀——dilate函数

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

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像通道的数量可以是任意的，但图像深度应为CV_8U，CV_16U，CV_16S，CV_32F或 CV_64F其中之一。

第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。

第三个参数，InputArray类型的kernel，膨胀操作的核。若为NULL时，表示的是使用参考点位于中心3x3的核。{

我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。

获取自定义核操作： Mat element = getStructuringElement(MORPH_RECT, Size(2*g_nStructElementSize+1,2*g_nStructElementSize+1), Point( g_nStructElementSize, g_nStructElementSize ));

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。

我们一般在调用erode以及dilate函数之前，先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。对于锚点的位置，有默认值Point(-1,-1)，表示锚点位于中心。且需要注意，十字形的element形状唯一依赖于锚点的位置。而在其他情况下，锚点只是影响了形态学运算结果的偏移。}

第四个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。

第五个参数，int类型的iterations，迭代使用erode（）函数的次数，默认值为1。

第六个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。

第七个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
    //载入原图 
    Mat image = imread("D://RM//OpenCv的学习//形态学处理//图像的膨胀//11.jpg");
    //显示原图
    imshow("原图", image);
    //获取自定义核
    Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
    Mat dst;
    //进行膨胀操作
    dilate(image,dst,element);
    //显示效果图
    imshow("膨胀操作",dst);
    waitKey(0);
    return 0;
}

代码结果：

2、腐蚀——erode函数

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

函数参数介绍与上面膨胀的介绍类似。

用法:

//载入原图 
   	Mat img = imread("RM.jpg");
//获取自定义核
   	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
   	Mat dst;
   	//进行腐蚀操作
   	erode(img,dst, element);

腐蚀例子：

#include<iostream>
#include<opencv2\opencv.hpp>
using namespace std;
using namespace cv;
int main() {
	Mat img;
    img = imread("D://RM//OpenCv的学习//形态学处理//图像的膨胀//11.jpg");
    imshow("原图", img);
    //获取自定义核
    Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));
    Mat dst;
    //腐蚀操作
    erode(img, dst, element);
    
    imshow("腐蚀操作",dst);
    waitKey(0);
    return 0;
}

3、开闭运算

1）、开运算

定义：

就是先腐蚀后膨胀的过程

作用：

１、开运算能够除去孤立的小点，毛刺和小桥，而总的位置和形状不边。
２、开运算是一个基于几何运算的滤波器。
３、结构元素大小的不同将导致滤波效果的不同。
４、不同的结构元素的选择导致了不同的分割，即提取出不同的特征。

eg:

#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main() {
    Mat img1;
    img1 = imread("D://RM//OpenCv的学习//形态学处理//开运算//11.jpg");
    Mat element;
    element = getStructuringElement(MORPH_RECT, Size(5, 5));
    Mat dst1;
    morphologyEx(img1, dst1, MORPH_OPEN, element);

    imshow("开运算",dst1);
    waitKey(0);

    return 0;
}

2).闭运算

定义：闭运算是先膨胀后腐蚀的过程。

作用：闭运算能够排除小型黑洞（黑色区域）。

eg:

#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main() {
    Mat img1;
    img1 = imread("D://RM//OpenCv的学习//形态学处理//闭运算//11.jpg");
    Mat element;
    element = getStructuringElement(MORPH_RECT, Size(5, 5));
    Mat dst1;
    morphologyEx(img1, dst1, MORPH_CLOSE, element);

    imshow("闭运算", dst1);
    waitKey(0);

    return 0;
}

开闭运算总结：1.找核、2、运用函数。