文章目录
形态学概念
首先看这两张图片
一张图周围有大大小小的噪音和彩点，另一张图片中字母有间隙，这种效果影响了图片的质量，该如何处理图片，提高质量？
这就是形态学操作发挥作用的地方，形态学（Morphology）是图像处理中的一种技术，主要用于分析和处理图像中的结构和形状。形态学操作基于图像的形状和结构，而不是像素的具体值。它通常应用于二值图像（黑白图像），但也可以用于灰度图像。形态学操作在许多图像处理任务中发挥着重要作用，如去噪声、分割、边缘检测等。
膨胀
膨胀操作可以理解为将图像中的前景对象扩展。其基本原理是用一个结构元素扫描图像，如果结构元素至少有一个与前景（白色）部分重叠，则图像中的中心元素被设置为前景。
与卷积类似，也有一个矩阵来扫描整张图片，比如下方这个3*3矩阵，
1 \& 1 \& 1 1 \& 1 \& 1 1 \& 1 \& 1
当这个矩阵在图片扫描的时候，如果矩阵的任何元素遇到图像的像素值"1"。则与内核中心元素重叠的像素将转换为"1"。如下图所示
整个扫描的过程动态如下：会将橙色部分进行扩张，这就是膨胀的过程。
使用膨胀操作来修复裂痕
示例代码
//形态学操作 膨胀 腐蚀 ，开操作， 闭操作
void morphology_op_demo(Mat &image){
Mat mask_image;
threshold(image,mask_image,150,255,THRESH_BINARY_INV); //图像进行二值化
// 创建结构元素 扫描核
int kernel_size =3;
cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT,
cv::Size(2 * kernel_size + 1, 2 * kernel_size + 1),
cv::Point(-1, -1));
// 执行膨胀操作
cv::Mat eroded_image;
cv::dilate(mask_image, eroded_image, element,Point(-1,-1),1);
// 显示结果图像
cv::imshow("Original Image", mask_image);
cv::imshow("Eroded Image", eroded_image);
waitKey();
}
关键解析：
threshold(image,mask_image,150,255,THRESH_BINARY); //图像进行二值化
对图像进行二值化，让图像非黑即白，当然膨胀操作也可以用于彩色图像，但是会有一个问题，中心点像素会累加，会提高原来图片的亮度，扫描核越大，会导致图片越亮，直到白色看不见为止。
cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT,
cv::Size(2 * erosion_size + 1, 2 * erosion_size + 1),
cv::Point(-1, -1));
创建扫描矩阵，矩阵可以任意大小，这里使用奇数n*n的矩阵 Point 取（-1,-1）代表使用中心点像素，扫描矩阵的size越大，膨胀效果越强。
cv::dilate(mask_image, eroded_image, element,Point(-1,-1),1);
膨胀操作API ，函数原型
CV_EXPORTS_W void dilate( InputArray src, OutputArray dst, InputArray kernel,
Point anchor = Point(-1,-1), int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue = morphologyDefaultBorderValue() );
一般只关心前三个参数即可，输入，输出，扫描核（扫描的矩阵），Point 取（-1,-1）代表使用中心点像素，这里迭代次数为1次，同理 迭代次数越多，膨胀效果越强
效果如图：
扫描核size为 3：有效果，但仍然有裂痕
扫描核 size 为 5：效果增强，边缘变粗，基本上添上空隙
腐蚀
与膨胀相反，删除元素，它腐蚀图像的方式就像水侵蚀河岸一样。在腐蚀操作中，它将结构元素从输入图像的左向右和从上到下滑动。如果结构元素内的所有像素都大于 0，则保留原始像素值。否则，像素设置为 0。腐蚀用于去除被视为噪声的小斑点。
同样的使用膨胀操作的扫描核 3*3 全为1 的矩阵
1 \& 1 \& 1 1 \& 1 \& 1 1 \& 1 \& 1
此内核遍历图像的每个像素。如果与内核重叠的所有像素恰好是"1"，则不会发生任何更改。但是，如果任何重叠的像素恰好为"0"，则与内核的 中心 元素重叠的像素将设置为"0"。
腐蚀操作可视化图：
随着迭代次数的增加，图像像素点慢慢被腐蚀。因此，如果您需要提取粗体且周围有很多噪点的时候，可以通过侵蚀图像来消除噪点。
使用腐蚀操作消除噪点
示例代码：
//形态学操作 膨胀 腐蚀 ，开操作， 闭操作
void morphology_op_demo(Mat &image){
Mat mask_image;
threshold(image,mask_image,150,255,THRESH_BINARY_INV); //图像进行二值化
// 创建结构元素 扫描核
int kernel_size =1;
cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT,
cv::Size(2 * kernel_size + 1, 2 * kernel_size + 1),
cv::Point(-1, -1));
// 执行腐蚀操作
cv::Mat eroded_image;
cv::erode(mask_image, eroded_image, element,Point(-1,-1),1);
// 显示结果图像
cv::imshow("Original Image", mask_image);
cv::imshow("Eroded Image", eroded_image);
waitKey();
}
int main()
{
string imagePath = "C:\\Users\\Marxist\\Pictures\\coco\\eroding_test.jpg";
string mix_image_path = "C:\\Users\\Marxist\\Pictures\\coco\\Linux.jpg";
Mat image = imread(imagePath,IMREAD_GRAYSCALE);//读取灰度图像
morphology_op_demo(image);
return 0;
}
关键解析：
cv::erode(mask_image, eroded_image, element,Point(-1,-1),1);
函数原型：
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() );
与膨胀API参数一致，但效果相反
腐蚀操作---内核大小3*3 迭代1次，噪点明显消除
腐蚀操作---内核大小5*5 迭代1次，噪点完全消除，但是图像细节也跟着丢失了
面对图像丢失的情况，可以进行开闭运算了
开运算---先腐蚀后膨胀
开运算是先进行腐蚀操作，再进行膨胀操作。它主要用于去除小的噪点，并保持前景物体的整体形状。
关键函数：
morphologyEx(mask_image, opening_image, MORPH_OPEN, element);
本质上就是调用了腐蚀API和膨胀API，OpenCV为了代码简洁，将二个API 合成了一个
示例代码
//形态学操作 膨胀 腐蚀 ，开操作， 闭操作
void morphology_op_demo(Mat &image){
Mat mask_image;
threshold(image,mask_image,150,255,THRESH_BINARY_INV); //图像进行二值化
// 创建结构元素 扫描核
int kernel_size =2;
cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT,
cv::Size(2 * kernel_size + 1, 2 * kernel_size + 1),
cv::Point(-1, -1));
// 执行腐蚀操作
cv::Mat eroded_image;
cv::erode(mask_image, eroded_image, element,Point(-1,-1),1);
Mat final;
// 先执行 腐蚀 然后执行膨胀
morphologyEx(mask_image, final, MORPH_OPEN, element);
cv::imshow("Original Image", mask_image);
cv::imshow("Eroded Image", eroded_image);
cv::imshow("final Image", final);
waitKey();
}
int main()
{
string imagePath = "C:\\Users\\Marxist\\Pictures\\coco\\eroding_test.jpg";
string mix_image_path = "C:\\Users\\Marxist\\Pictures\\coco\\Linux.jpg";
Mat image = imread(imagePath,IMREAD_GRAYSCALE);//读取灰度图像
morphology_op_demo(image);
return 0;
}
开运算效果：对比腐蚀过后的图像，进行稍微膨胀 补充连接细节
闭运算---先膨胀后腐蚀
//形态学操作 膨胀 腐蚀 ，开操作， 闭操作
void morphology_op_demo(Mat &image){
Mat mask_image;
threshold(image,mask_image,150,255,THRESH_BINARY_INV); //图像进行二值化
// 创建结构元素 扫描核
int kernel_size =2;
cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT,
cv::Size(2 * kernel_size + 1, 2 * kernel_size + 1),
cv::Point(-1, -1));
// 执行膨胀操作
cv::Mat eroded_image;
cv::dilate(mask_image, eroded_image, element,Point(-1,-1),1);
Mat final;
// 先执行 腐蚀 然后执行膨胀
morphologyEx(mask_image, final, MORPH_CLOSE, element);
cv::imshow("Original Image", mask_image);
cv::imshow("Eroded Image", eroded_image);
cv::imshow("final Image", final);
waitKey();
}
int main()
{
string imagePath = "C:\\Users\\Marxist\\Pictures\\coco\\dilation_test.jpg";
string mix_image_path = "C:\\Users\\Marxist\\Pictures\\coco\\Linux.jpg";
Mat image = imread(imagePath,IMREAD_GRAYSCALE);//读取灰度图像
morphology_op_demo(image);
return 0;
}
闭运算与开运算相反，先膨胀后腐蚀，它主要用于填补前景物体中的小孔和连接断开的物体。
闭运算效果：对比膨胀后的图像，边缘稍微细了些
