深入理解灰度值开运算闭运算（你一定已经知道了二值图开运算闭运算吧）

二值图像的膨胀和腐蚀几乎每个学习图像处理的人很快就了解了，由腐蚀和膨胀这两个简单的操作的结合而引申出来的开运算和闭运算也是非常经典的形态学处理方法。在大多数的情况下，我们都是对二值图像（也就是图中只有黑白两种像素）进行开运算和闭运算，对于它们的效果也非常熟悉了。

正如我们耳熟能详的：

闭运算：连接细小处；

开运算：断开细小处；

那么如果我们的操作对象是一幅灰度图，而不是只有黑白两种像素的二值图像呢？其实很简单，就是数学上的推广原理而已。二值图像上的开/闭运算就像是个二维空间得到的理论，我们现在只不过是要把这个理论推广到256维空间而已。

从二值图像我们知道，开运算闭运算无非就是腐蚀和膨胀的不同结合，所以最重要的还是要了解“腐蚀”和“膨胀”这两种操作。我们来看一下灰度值膨胀，会发生什么事儿！

灰度值膨胀：

我先说结果：

原图像中被膨胀的区域的灰度值会相应地增大，即膨胀之后的图像变得更亮，原图像中那些暗一些的细节都会变小或者消失（至于变小还是消失取决于你使用的结构元素的大小）。

再来说原因：

为什么膨胀使得图像灰度值增大，图像变亮了呢？二值图像中膨胀不是让区域变大了吗？我们来看一下膨胀的原理，其实就一句话：“取原图像在结构元素覆盖范围下的那一部分区域内的像素的最大值”。在二值图像的情况下，像素值只有0和1，那最大值当然就是1了，也就是把结构元素覆盖范围下的区域内所有像素都置为1，即白色了，这在直观表现上来看不就是白色像素增多，从而区域变大了么？其实这也可以理解成并不是区域变大了，而是这些点出原来的灰度值被变成了另外一种相反的灰度值，和我们所膨胀的区域的灰度值是一样的，所以才看起来和我们之前的区域连在一起成为一个区域了。那么你再想想把0，1两种情况扩展到0-255共256个情况的时候，会发生什么事情？为什么在这种情况下你看不到明显的区域变大或者变小的现象，甚至膨胀本来应该是变大，结果你看到一些线条反而变细甚至消失了？因为我们本质上其实是在修改灰度值，膨胀就是让处理的区域内的灰度值变大，如果原来的线条是黑色的，灰度值变大之后，可不就是黑色的减少了，看起来就像是线条变细了么？这下你明白了吧？其实是一个道理，只不过这里分成了256种灰度级，让人看起来变化更细微而已。 

了解了灰度值膨胀，其实灰度值腐蚀也很简单了，把膨胀的过程反过来就是了。我想你肯定想到了，这种操作处理之后图像会变得比原来暗，亮的细节会被抑制。