形态学操作 - 技术栈

形态学（Mathematical Morphology）是图像处理中重要的方法，专注于从图像中提取结构信息和形态特征。主要应用于二值图像，通过基本的形态学操作对图像进行变换和处理。
基本操作：
腐蚀（Erosion**）：通过结构元素（核）缩小图像中亮度较高区域的边界，用于去除小物体或
者连接物体。
膨胀（Dilation**）：通过结构元素扩展图像中亮度较高区域的边界，增加物体的大小或者连接
相邻物体。
组合操作：
开运算（Opening**）：先进行腐蚀后再进行膨胀，用于去除小物体同时保留大物体的特征。
闭运算（Closing**）：先进行膨胀后再进行腐蚀，可以填充小的空洞同时保留大的物体。
高级操作：
形态学梯度（Morphological Gradient**）：膨胀图像减去腐蚀图像，用于检测图像中的边界。
顶帽运算（Top Hat**）：原始图像减去开运算的结果，用于提取图像中的小物体或细节。
黑帽运算（Black Hat**）：闭运算的结果减去原始图像，用于提取图像中的大物体或背景。
应用领域：
视觉检测：边缘检测、形状分析和对象分割。
文字识别（OCR**）：预处理文本图像以提高字符识别准确性。

医学图像处理：增强和分割医学图像中的细胞结构和器官轮廓等。
结构元**-**核:
在形态学操作中，结构元（kernel）是一个核心组件，决定了形态学操作的形状和大小。结构元通常是
一个小矩阵，用于在图像中扫描并执行形态学操作。
精确定义形态学操作：结构元定义了形态学操作的形状和大小，使我们能够针对特定的图像特征进行精确的处理。
多样性和灵活性：结构元可以有不同的形状和大小，如矩形、椭圆和十字形。
局部处理：结构元通过局部扫描图像进行操作，这种局部处理方式能够在保持全局特征的同时，细致地处理图像的局部细节。
核（kernel）其实就是一个小区域，通常为3*3、5*5、7*7大小，有着其自己的结构，比如矩形结构、椭圆结构、十字形结构。
Mat getStructuringElement(int shape, Size ksize, Point anchor = Point(-1, -1));
参数说明：
返回值：指定大小和形状的结构元素-核。
shape：指定结构元素的形状。常用的形状类型包括：
MORPH_RECT ：矩形结构元素，所有元素值均为 1。适合处理规则形状的对象。
MORPH_ELLIPSE ：椭圆形结构元素，适合处理圆形或椭圆形对象。
MORPH_CROSS ：十字形结构元素，适合处理线状结构。
常用的形状类型及对应的整形值
MORPH_RECT = 0 （矩形结构元）
MORPH_CROSS = 1 （十字形结构元）
MORPH_ELLIPSE = 2 （椭圆结构元）
ksize： Size 类型，表示结构元素的大小。

anchor（可选）：结构元素的锚点，即参考点，表示结构元素在图像上的应用位置。
腐蚀
腐蚀操作是一种形态学操作，用于图像处理，特别是二值图像的处理。其主要作用是收缩或细化图像中的前景部分，通过去除边界点实现噪声去除和元素分割等功能。
腐蚀操作步骤：

将结构元的中心与图像中的一个像素对齐。
将结构元中值为1的区域与被覆盖的图像区域对应的像素值相乘，取这些像素值中的最小值。
结构元中心对应的像素点的像素值为此最小值。
移动结构元到下一个像素，重复上述步骤，直到处理完所有像素。
结果是二值化图像中的白色部分被压缩，使图像中的前景部分"变瘦"。
应用：
去除噪声：腐蚀操作可以消除图像中的小噪声点。
细化形状：使图像中的前景部分变瘦，突出结构细节。
元素分割：通过腐蚀操作，可以将连在一起的对象分割开。
腐蚀操作通过在二值图像上滑动结构元，并在每个位置计算最小值，来收缩前景部分。这一操作能够去除噪声、分割元和细化形状。
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 ：需要进行腐蚀操作。可以是单通道或多通道图像。
dst：腐蚀操作后的输出图像，类型与尺寸与输入图像相同。
kernel ：腐蚀操作中使用的结构元（或核）。
anchor ：结构元中锚点的位置。默认值为 Point(-1, -1) ，表示锚点位于结构元的中心。
iterations (可选)：腐蚀操作的迭代次数，默认值为****1。
borderType*(可选)*：边界填充类型，处理图像边界时指定填充方式。默认值为
BORDER_CONSTANT 。

borderValue*(可选)*：在边界填充类型为 BORDER_CONSTANT 时，指定填充值。默认值为0。
膨胀
膨胀与腐蚀刚好相反，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。
膨胀操作：

将结构元的中心与图像中的一个像素对齐。
结构元值为1的区域与被结构元覆盖的对应区域进行相乘，取这些像素值中的最大值。
最大值赋值给结构元中心对应的图像像素。
移动结构元到下一个像素，重复上述步骤，直到处理完所有像素。
void cv::dilate ( InputArray src,
OutputArray dst,
InputArray kernel,
Point anchor = Point(-1,-1),
int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar & borderValue = morphologyDefaultBorderValue()
);
dst：膨胀操作后的目标图像。输出图像与输入图像 src 类型和大小相同。
src：输入的原始图像，需要进行膨胀操作的图像。
kernel：膨胀操作时使用的结构元（或核）。
anchor（可选）：锚点是结构元的中心点。
iterations（可选）：膨胀操作的迭代次数，默认为 1 。-重复的次数
borderType：指定图像边界的处理方式。

borderValue（可选）：当使用 cv::BORDER_CONSTANT 时，用于设置填充的常量值，默认为 0 .
OpenCV****中的形态学运算
void cv::morphologyEx(InputArray src,
OutputArray dst,
int op,
InputArray kernel,
Point anchor = Point(-1, -1),
int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue =
morphologyDefaultBorderValue()
);
src：需要进行形态学运算的原始图像。
dst ：形态学运算后的输出图像，与输入图像 src 类型和大小相同。
op ：指定形态学操作的类型。常见的类型包括:

kernel：用于形态学运算的结构元素，可以通过 cv.getStructuringElement 函数生成。
anchor（可选）：结构元素的锚点，即参考点。默认值为 (-1, -1) ，表示锚点位于结构元素的中
心。
iterations（可选）：形态学运算的迭代次数，默认值为1。
borderType（可选）：像素外插法，默认为 cv.BORDER_CONSTANT 。

borderValue（可选）：边界像素的填充值，默认情况下为 0。
开运算
开运算是先将图像腐蚀，再对腐蚀的结果进行膨胀。开运算可以用于去噪、计数等。

去除小物体和噪声
平滑图像边界
提取大物体的主要特征
计数
闭运算
闭运算是先膨胀、后腐蚀的运算，它有助于关闭前景物体内部的小孔，或去除物体上的小黑点，同时保
持物体的整体形状，还可以将不同的前景图像进行连接。
1**、噪声消除**
2**、孔洞填充**

3**、对象连接**
形态学梯度运算
通过对图像进行膨胀操作后减去腐蚀操作的结果，从而提取出原始图像中前景物体的边缘。
原理与步骤

膨胀操作（Dilation）：膨胀操作会扩展图像中前景（白色）像素的边界，使得前景区域变大。
腐蚀操作（Erosion）：腐蚀操作会收缩图像中前景（白色）像素的边界，使得前景区域变小。
边缘提取：将膨胀操作后的图像减去腐蚀操作后的图像。

利用形态学梯度运算可以清晰地突出前景物体的轮廓，捕捉图像当中的边界信息。
礼帽运算
顶帽运算是一种形态学图像处理技术，其主要用于提取图像中的细微结构和亮斑区域，进而突出图像中的特定信息。它的基本原理是将原始图像减去其开运算（Opening）结果。
优点：
提取细微结构.
突出亮斑区域.

噪声信息提取.
黑帽运算
黑帽运算（Black-hat Transformation）是一种在形态学图像处理中常用的技术。
原理
黑帽运算：将闭运算处理后的图像减去原始图像。
应用

提取细小暗斑：
检测孔洞和缝隙：