基于C++的OpenCV4入门基础–图像形态学

1，图像形态学介绍
形态学的应用： 主要针对二值图进行，消除噪声、边界提取、区域填充、连通分量提取、凸壳、细化、粗化等；分割出独立的图像元素，或者图像中相邻的元素；求取图像中明显的极大值区域和极小值区域；求取图像梯度。

2，结构和元素形状
膨胀和腐蚀操作的核心内容是结构元素，(后面的开闭运算等重要的也是结构元素的设计，一个合适的结构元素的设计可以带来很好的处理效果）一般来说结构元素是由元素为1或者0的矩阵组成。结构元素为1的区域定义了图像的领域，领域内的像素在进行膨胀和腐蚀等形态学操作时要进行考虑。
一般来说，二维或者平面结构的结构元素要比处理的图像小得多。结构元素的中心像素，即结构元素的原点，与输入图像中感兴趣的像素值（即要处理的像素值）相对应。三维的结构元素使用0和1来定义x-y平面中结构元素的范围，使用高度值定义第三维。

CV_EXPORTS_W Mat getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1));

 //shape： \MORPH_CROSS（十字交叉形核） \MORPH_ELLIPSE（椭圆形核）)；
// ksize: 结构元素大小；
// anchor: 锚点 默认是Point(-1, -1)意思就是中心像素,也可以自己指定

	//结构元素设计
	Mat elementRect, elementCross, elementEllipse;

	elementRect = getStructuringElement(MORPH_RECT, cv::Size(3, 3), cv::Point(-1, -1));//矩形
	elementCross =  getStructuringElement(MORPH_CROSS, cv::Size(3, 3), cv::Point(-1, -1));//十字
	elementEllipse = getStructuringElement(MORPH_ELLIPSE, cv::Size(5, 5), cv::Point(-1, -1));//椭圆

	cout << "3X3矩形核:" << endl << elementRect << endl;
	cout << "3X3十字交叉形核:" << endl << elementCross << endl;
	cout << "5X5椭圆形核:" << endl << elementEllipse << endl << endl;

3，腐蚀和膨胀
膨胀
膨胀操作是形态学中另外一种基本的操作。膨胀操作和腐蚀操作的作用是相反的，膨胀操作能对图像的边界进行扩张。膨胀操作将与当前对象（前景）接触到的背景点合并到当前对象内，从而实现将图像的边界点向外扩张。
如果图像内两个对象的距离较近，那么在膨胀的过程中，两个对象可能会连通在一起。膨胀操作对填补图像分割后图像内所存在的空白相当有帮助。二值图像的膨胀示例如图所示。

膨胀使图像中的白色高亮部分进行膨胀，“邻域扩张”，膨胀效果拥有比原图更大的高亮区域，可以填补图像缺陷，用来扩充边缘或填充小的孔洞，也可以用来连接两个分开的物体。

膨胀的原理是求局部最大值的操作，将 1 值扩充到邻近像素，从而扩大白色值范围、压缩黑色值范围。

用卷积来描述膨胀操作，中心为 1、其它为 0 的卷积核沿着图像滑动卷积，与卷积核对应的原图像的像素值中只要有一个为 1， 则图像的中心元素的像素值为 1，否则（全 0）为 0。

用卷积来描述膨胀操作，结构元素 B 是中心为 1、其它为 0 的卷积模板（核）：
（1）卷积核 B 沿着图像滑动，扫描图像 A 的每一个像素；
（2）用结构元素与其覆盖的二值图像进行 “与操作”；
（3）如果图像与卷积核对应区域的所有像素值都是 0，则图像的该像素值仍为 0；否则为 1。

在去噪声时通常先进行腐蚀，在去掉白噪声的同时，使前景对象变小；然后再对进行膨胀，此时噪声已经被去除，可以增加前景。

void dilate(
    InputArray 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
    OutputArray dst,//目标图像，需要和源图片有一样的尺寸和类型
    InputArray kernel,//操作的核。若为NULL时，表示的是使用参考点位于中心3x3的核,可以使用getStructuringElement来创建结构元素
    Point anchor=Point(-1,-1),//锚点的位置，其有默认值（-1，-1），表示锚位于中心
    int iterations=1,//迭代使用该函数的次数，默认值为1
    int borderType=BORDER_CONSTANT,//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
    const Scalar& borderValue=morphologyDefaultBorderValue() //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。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释
);
//使用dilate函数时，一般我们只需要填前面的三个参数，后面的四个参数都有默认值。而且往往结合getStructuringElement一起使用。

参数说明：
src：输入图像，可以为单通道或多通道，图像深度必须为 CV_8U, CV_16U, CV_16S, CV_32F 或 CV_64F
dst：输出图像，大小和类型与 src 相同
kernel：结构元（卷积核），null 时使用 3*3 矩形卷积核
anchor：卷积核的锚点位置，默认值 (-1, -1) 表示以卷积核的中心为锚点
iterations：应用膨胀的次数，可选项，默认值为 1
borderType：边界扩充的类型
borderValue：当 borderType=BORDER_CONSTANT 时以常量 value 填充扩充边界，默认值为 (0,0,0)

注意事项：
函数支持就地模式，腐蚀操作可以迭加使用多次。
在多通道图像的情况下，每个通道独立处理 。

腐蚀
腐蚀和膨胀是图像处理中最基本的形态学操作，是很多高级处理方法的基础。

腐蚀和膨胀是对白色部分（高亮部分）而言的，膨胀就是图像中的高亮部分进行膨胀，腐蚀就是原图中的高亮部分被腐蚀。

腐蚀使图像中白色高亮部分被腐蚀，“邻域被蚕食”，腐蚀的效果拥有比原图更小的高亮区域，可以去掉毛刺，去掉孤立的像素，提取骨干信息。

腐蚀的原理是求局部最小值的操作，将 0 值扩充到邻近像素，从而扩大黑色值范围、压缩白色值范围。

腐蚀是最基本的形态学操作之一，它能够将图像的边界点消除，使图像沿着边界向内收缩，也可以将小于指定结构体元素的部分去除。腐蚀用来“收缩”或者“细化”二值图像中的前景，借此实现去除噪声、元素分割等功能。例如，在图中，左图是原始图像，右图是对其腐蚀的处理结果。

腐蚀的具体操作：用一个结构元素(一般是3×3的大小)扫描图像中的每一个像素，用结构元素中的每一个像素与其覆盖的像素做“与”操作，如果都为1，则该像素为1，否则为0。用最小值来替换中心像素
腐蚀的作用：是消除物体边界点，使目标缩小，可以消除小于结构元素的噪声点；腐蚀了就意味着图像中物体的边界被侵蚀了，轮廓向内收缩，体积变小了。

CV_EXPORTS_W void 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，可以为单通道或多通道，图像深度必须为 CV_8U, CV_16U, CV_16S, CV_32F 或 CV_64F
dst：输出图像，大小和类型与 src 相同
kernel：结构元（卷积核），null 时使用 3*3 矩形结构元素
anchor：卷积核的锚点位置，默认值 (-1, -1) 表示以卷积核的中心为锚点
iterations：应用腐蚀操作的次数，可选项，默认值为 1
borderType：边界扩充的类型
borderValue：当 borderType=BORDER_CONSTANT 时以常量 value 填充扩充边界，默认值为 (0,0,0)

注意事项：
函数支持就地模式，腐蚀操作可以迭加使用多次。
在多通道图像的情况下，每个通道独立处理 。

参考示例

	Mat src = imread("F:/code/images/hist_02.jpg");
    namedWindow("input", WINDOW_AUTOSIZE);
	imshow("input", src);

    //二值图
    Mat gray, binary;
    cvtColor(src, gray, COLOR_BGR2GRAY);
    threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
    namedWindow("binary", WINDOW_AUTOSIZE);
    imshow("binary", binary);

    //腐蚀
    Mat elementRect = getStructuringElement(MORPH_RECT, cv::Size(3, 3), cv::Point(-1, -1));//矩形
    erode(binary, binary, elementRect);
    namedWindow("erode", WINDOW_AUTOSIZE);
    imshow("erode", binary);

    //膨胀
    Mat elementRect2 = getStructuringElement(MORPH_RECT, cv::Size(3, 3), cv::Point(-1, -1));//矩形
    dilate(binary, binary, elementRect2);
    namedWindow("dilate", WINDOW_AUTOSIZE);
    imshow("dilate", src);

4，开闭操作
开操作- open
先腐蚀后膨胀
可以去掉小的对象，假设对象是前景色，背景是黑色
用于移除一些小物体（假设图像中物体是亮的，背景是暗的）。如下图所示，左侧是原始图像，上面有一些小亮斑。在进行开运算之后，去掉了斑点。

闭操作-close
先膨胀后腐蚀（bin2）
可以填充小的洞（fill hole），假设对象是前景色，背景是黑色
用于移除一些小的孔洞（图像中较亮目标中的暗点）

CV_EXPORTS_W void morphologyEx( InputArray src, OutputArray dst,
                                int op, //操作的类型:MORPH_ERODE    = 0, //腐蚀
   										 MORPH_DILATE   = 1, //膨胀
    									 MORPH_OPEN     = 2, //开操作
      									 MORPH_CLOSE    = 3, //闭操作
    									 MORPH_GRADIENT = 4, //梯度操作
    									 MORPH_TOPHAT   = 5, //顶帽操作
									     MORPH_BLACKHAT = 6, //黑帽操作
    									 MORPH_HITMISS  = 7  
                                InputArray kernel,//结构元素
                                Point anchor = Point(-1,-1), //锚点
                                int iterations = 1,//迭代使用函数的次数
                                int borderType = BORDER_CONSTANT,
                                const Scalar& borderValue = morphologyDefaultBorderValue() );

参数说明：
src：输入图像，可以为单通道或多通道，图像深度必须为 CV_8U, CV_16U, CV_16S, CV_32F 或 CV_64F
dst：输出图像，大小和类型与 src 相同
op：形态学运算类型
cv.MORPH_ERODE：腐蚀
cv.MORPH_DILATE：膨胀
cv.MORPH_OPEN：开运算， 先腐蚀再膨胀
cv.MORPH_CLOSE：闭运算， 先膨胀再腐蚀
cv.MORPH_GRADIENT：形态学梯度， 膨胀图与腐蚀图之差
cv.MORPH_TOPHAT：顶帽变换， 原图像与开运算之差
cv.MORPH_BLACKHAT：黑帽变换， 闭运算图与原图像之差
cv.MORPH_HITMISS： 击中击不中运算
kernel：结构元（卷积核），null 时使用 3*3 矩形卷积核
anchor：卷积核的锚点位置，负值表示以卷积核的中心为锚点
iterations：应用腐蚀和膨胀的次数，可选项，默认值为 1
borderType：边界扩充的类型
borderValue：当 borderType=BORDER_CONSTANT 时以常量 value 填充扩充边界，默认值为 (0,0,0)

注意事项：
函数支持就地模式，开运算操作可以迭加使用多次。
迭代次数是应用腐蚀和膨胀操作的次数，注意两次迭代的开操作相当于应用“腐蚀→腐蚀→膨胀→膨胀”，而不是“腐蚀→膨胀→腐蚀→膨胀”。

示例

	 Mat src = imread("F:/code/images/cells.png");
    CV_Assert(!src.empty());

    Mat gray, binary;
    cvtColor(src, gray, COLOR_BGR2GRAY);
    threshold(gray, binary, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);
    bitwise_not(binary, binary, Mat());
    imshow("binary", binary);

    //开操作
    Mat dst;
    Mat kernel = getStructuringElement(MORPH_RECT, Size(7, 7), Point(-1, -1));//Size（15，1）为水平方向结构元素 Size(1, 15)为垂直方向结构元素
    morphologyEx(binary, dst, MORPH_OPEN, kernel, Point(-1, -1), 1);
    imshow("open-demo", dst);

    //闭操作
    Mat dst2;
    Mat kerne2 = getStructuringElement(MORPH_RECT, Size(15, 15), Point(-1, -1));
    morphologyEx(binary, dst2, MORPH_CLOSE, kerne2, Point(-1, -1), 1);
    imshow("close-demo", dst2);

开运算结果

闭运算结果