形态学处理用于目标分割：腐蚀、膨胀、开/闭运算、顶帽等

1.膨胀

膨胀运算将目标物体边界处的背景点整合到该目标区域中，使物体边界向外部扩张。膨胀运算的表达式为


opencv函数使用：

Mat out;
//第一个参数MORPH_RECT表示矩形的卷积核，当然还可以选择椭圆形的、交叉型的
//MORPH_ELLIPSE MORPH_CROSS
Mat element = getStructuringElement(MORPH_RECT, Size(15, 15)); 
//膨胀操作
dilate(img, out, element);
namedWindow("膨胀操作", WINDOW_NORMAL);
imshow("膨胀操作", out);

2.腐蚀

opencv函数使用

Mat out;
//第一个参数MORPH_RECT表示矩形的卷积核，当然还可以选择椭圆形的、交叉型的
//MORPH_ELLIPSE MORPH_CROSS
Mat element = getStructuringElement(MORPH_RECT, Size(15, 15)); 
//腐蚀操作
erode(img, out, element);
namedWindow("腐蚀操作", WINDOW_NORMAL);
imshow("腐蚀操作", out);

3.开运算与闭运算

开运算：先腐蚀后膨胀，常用于去除毛边、毛刺、较小白点噪声

闭运算：先膨胀后腐蚀，常用于填充较小孔洞

opencv函数使用

Mat out;
//第一个参数MORPH_RECT表示矩形的卷积核，当然还可以选择椭圆形的、交叉型的
//MORPH_ELLIPSE MORPH_CROSS
Mat element = getStructuringElement(MORPH_RECT, Size(15, 15)); 
//开运算
morphologyEx(img, out, MORPH_OPEN, element);
//闭运算
morphologyEx(img, out, MORPH_CLOSE, element);

4.其他

形态学梯度：就是膨胀图与俯视图之差，用于保留物体的边缘轮廓。

顶帽：原图像与开运算图之差，用于分离比邻近点亮一些的斑块。

黑帽：闭运算与原图像之差，用于分离比邻近点暗一些的斑块。

5.孔洞填充

孔洞填充的话Matlab中有可用函数imfill，使用时搭配结构单元就可以，opencv的话暂时没有可以直接用的函数，下面通过漫水填充实现填充孔洞：
注：漫水填充flood

floodFill()函数原型1
1.  int cv::floodFill(InputOutputArray  image,
2.                        InputOutputArray  mask,
3.                        Point  seedPoint,
4.                        Scalar  newVal,
5.                        Rect *  rect = 0,
6.                        Scalar  loDiff = Scalar(),
7.                        Scalar  upDiff = Scalar(),
8.                        int  flags = 4 
9.                        )

image：输入输出图像，图像数据类型可以为CV_8U或者CV_32F的单通道或者三通道图像。
mask：掩码矩阵，尺寸比如输入图像的宽和高各大2的单通道图像，用于标记漫水填充的区域。
seedPoint：种子点。
newVal：归入种子点区域内像素点的新像素值。
rect：种子点漫水填充区域的最小矩形边界，默认值为0，表示不输出边界。
loDiff：添加进种子点区域条件的下界差值，当邻域某像素点的像素值与种子点像素值的差值大于该值时，该像素点被添加进种子点所在的区域。
upDiff：添加进种子点区域条件的上界差值，当种子点像素值与邻域某像素点的像素值的差值小于该值时，该像素点被添加进种子点所在的区域。
flags：漫水填充方法的操作标志，其由三部分构成，分别表示邻域种类、掩码像素值和填充算法的规则
具体实现：

void imfill(const Mat srcimage, Mat &dstimage)
{
	Size m_Size = srcimage.size();
	Mat temimage = Mat::zeros(m_Size.height + 2, m_Size.width + 2, srcimage.type());//延展图像  
	srcimage.copyTo(temimage(Range(1, m_Size.height + 1), Range(1, m_Size.width + 1)));
	floodFill(temimage, Point(0, 0), Scalar(255));
	Mat cutImg;//裁剪延展的图像  
	temimage(Range(1, m_Size.height + 1), Range(1, m_Size.width + 1)).copyTo(cutImg);
	dstimage = srcimage | (~cutImg);
}

效果：

6.凸壳运算

如果连通分量内连接任意两点的直线段都在其内部，称该连通分量是凸形的。在棒材端面二值图像中，每根棒材的连通分量都应该是凸形的。然而，受棒材截面氧化的影响，有些棒材的连通分量存在沟壑或者狭窄的间断，凸壳运算可以消除狭窄断裂和细小沟塾。
在本课题中，使用无限制条件的凸壳运算会使目标区域超出棒材端面原有尺寸，导致连通分量的膨胀，造成本不应该出现的粘连，破坏前述腐烛和幵运算取得的效果。为此，对凸壳运算加以改进，用最小多边形限制连通分量的生长，沿垂直、水平和对角线方向对生长空间进行限制。图显示了改进的凸壳运算的效果。

7.极限腐蚀算法用于生成单个目标标记

附加：条件膨胀：对极限后的图像设定一定条件下的定向膨胀，扩充种子连通域大小，如下：

8.应用举例

钢材的自动计数操作：



主要参考：薛彦冰 基于机器视觉的棒材计数系统研究与实现 山东大学硕士论文