【android opencv学习笔记】Day 20: 形态学滤波的腐蚀与膨胀

形态学滤波------腐蚀与膨胀详解

形态学滤波是图像处理的基础技术，而**腐蚀（Erosion）与膨胀（Dilation）**是形态学运算中最核心、最基础的两个操作。

它们是后续所有高级形态学运算（开运算、闭运算、梯度、顶帽、黑帽）的基石，在图像去噪、边缘检测、目标提取等场景中应用极广。

本文将从数学原理、直观理解、代码实现三个维度，带你彻底掌握腐蚀与膨胀，并提供可直接运行的 Android OpenCV 完整源码。

---

核心原理

1. 什么是结构元素？

形态学运算的核心是结构元素（Structuring Element），它可以理解为一个"探测模板"：

• 通常是一个正方形、圆形或菱形的矩阵（如 3×3、5×5、7×7）
• 矩阵中的非零元素代表结构元素的有效区域
• 有一个锚点（通常为中心），用于对齐图像中的像素点
• 运算时，用这个模板在图像上滑动，对每个像素进行处理

2. 腐蚀（Erosion）："瘦身"与去噪

定义：腐蚀是求局部最小值的操作。

• 原理：将结构元素锚点对齐到图像的每个像素，遍历结构元素覆盖的所有像素，取最小值作为锚点位置的新像素值。
• 对于二值图像（背景黑 0，前景白 255）：
  • 若结构元素覆盖的区域内有任何一个像素为 0（背景），锚点位置就被腐蚀为 0（背景）
  • 效果：前景物体被"瘦身"，边缘被侵蚀，细小的噪点被直接消除
• 直观理解：腐蚀就像"吃"掉前景物体的边缘，同时吃掉背景中的小白点噪声。

3. 膨胀（Dilation）："增肥"与填充

定义：膨胀是求局部最大值的操作。

• 原理：将结构元素锚点对齐到图像的每个像素，遍历结构元素覆盖的所有像素，取最大值作为锚点位置的新像素值。
• 对于二值图像：
  • 若结构元素覆盖的区域内有任何一个像素为 255（前景），锚点位置就被膨胀为 255（前景）
  • 效果：前景物体被"增肥"，边缘被扩张，物体内部的小黑洞被填充
• 直观理解：膨胀就像"长"大前景物体的边缘，同时填充物体内部的小孔洞。

4. 关键性质与注意事项

• 腐蚀与膨胀是对偶运算：对前景物体的腐蚀，等价于对背景的膨胀；反之亦然。
• 重复运算：使用大尺寸结构元素，等价于多次使用小尺寸结构元素（如 7×7 结构元素腐蚀一次 ≈ 3×3 结构元素腐蚀三次）。
• 噪声处理：腐蚀可去除前景外的白色噪点，膨胀可去除前景内的黑色孔洞，两者常组合使用（开运算/闭运算）。

---

Android 项目完整实现

1. 布局文件：activity_main.xml

垂直分布，依次显示原图、腐蚀结果、膨胀结果：

<?xml version="1.0" encoding="utf-8"?>
<LinearLayout xmlns:android="http://schemas.android.com/apk/res/android"
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    android:orientation="vertical"
    android:padding="8dp">

    <!-- 原图 -->
    <ImageView
        android:id="@+id/iv_original"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:scaleType="fitCenter"
        android:adjustViewBounds="true"/>

    <!-- 腐蚀结果 -->
    <ImageView
        android:id="@+id/iv_eroded"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:layout_marginTop="4dp"
        android:scaleType="fitCenter"
        android:adjustViewBounds="true"/>

    <!-- 膨胀结果 -->
    <ImageView
        android:id="@+id/iv_dilated"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:layout_marginTop="4dp"
        android:scaleType="fitCenter"
        android:adjustViewBounds="true"/>

</LinearLayout>

---

2. Kotlin 上层代码：MainActivity.kt

负责图片加载、调用 C++ 算法、结果展示：

package com.nicoli.hellomorphology

import android.graphics.Bitmap
import android.graphics.BitmapFactory
import android.os.Bundle
import android.widget.ImageView
import androidx.appcompat.app.AppCompatActivity

class MainActivity : AppCompatActivity() {
    companion object {
        init {
            System.loadLibrary("native-lib")
        }
    }

    // JNI 接口声明
    // 1. 二值化预处理（腐蚀/膨胀需要二值图）
    private external fun binarizeImage(src: Bitmap, out: Bitmap, thresh: Int)
    // 2. 腐蚀操作
    private external fun erodeImage(src: Bitmap, out: Bitmap, kernelSize: Int, iterations: Int)
    // 3. 膨胀操作
    private external fun dilateImage(src: Bitmap, out: Bitmap, kernelSize: Int, iterations: Int)

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_main)

        // 1. 加载原图（黑白或灰度图）
        val originalBitmap = BitmapFactory.decodeResource(resources, R.drawable.binary_input)

        // 2. 创建输出位图
        val binaryBitmap = Bitmap.createBitmap(originalBitmap.width, originalBitmap.height, Bitmap.Config.ARGB_8888)
        val erodedBitmap = Bitmap.createBitmap(originalBitmap.width, originalBitmap.height, Bitmap.Config.ARGB_8888)
        val dilatedBitmap = Bitmap.createBitmap(originalBitmap.width, originalBitmap.height, Bitmap.Config.ARGB_8888)

        // 3. 执行算法流程
        binarizeImage(originalBitmap, binaryBitmap, 127) // 二值化
        erodeImage(binaryBitmap, erodedBitmap, 3, 1)    // 3×3 结构元素，腐蚀1次
        dilateImage(binaryBitmap, dilatedBitmap, 3, 1)  // 3×3 结构元素，膨胀1次

        // 4. 显示结果
        findViewById<ImageView>(R.id.iv_original).setImageBitmap(originalBitmap)
        findViewById<ImageView>(R.id.iv_eroded).setImageBitmap(erodedBitmap)
        findViewById<ImageView>(R.id.iv_dilated).setImageBitmap(dilatedBitmap)
    }
}

---

3. C++ 核心算法：native-lib.cpp（逐行注释）

#include <jni.h>
#include <opencv2/opencv.hpp>
#include <android/bitmap.h>

using namespace cv;
using namespace std;

// ====================== 工具函数：Bitmap ↔ Mat 转换 ======================
Mat bitmapToMat(JNIEnv *env, jobject bitmap) {
    AndroidBitmapInfo info;
    void* pixels;
    AndroidBitmap_getInfo(env, bitmap, &info);
    AndroidBitmap_lockPixels(env, bitmap, &pixels);

    Mat rgba(info.height, info.width, CV_8UC4, pixels);
    Mat gray;
    cvtColor(rgba, gray, COLOR_RGBA2GRAY); // 转为灰度图
    AndroidBitmap_unlockPixels(env, bitmap);
    return gray;
}

void matToBitmap(JNIEnv *env, const Mat& srcMat, jobject dstBitmap) {
    AndroidBitmapInfo info;
    void* pixels;
    AndroidBitmap_getInfo(env, dstBitmap, &info);
    AndroidBitmap_lockPixels(env, dstBitmap, &pixels);

    Mat rgba;
    cvtColor(srcMat, rgba, COLOR_GRAY2RGBA); // 转为 RGBA
    memcpy(pixels, rgba.data, info.width * info.height * 4);
    AndroidBitmap_unlockPixels(env, dstBitmap);
}

// ====================== 预处理：图像二值化 ======================
// 腐蚀/膨胀通常作用于二值图像，因此先对灰度图做阈值化
void binarizeImpl(const Mat& src, Mat& out, int threshVal) {
    threshold(src, out, threshVal, 255, THRESH_BINARY);
}

// ====================== 核心：腐蚀操作 ======================
// 参数：kernelSize-结构元素大小（3/5/7） iterations-重复次数
void erodeImpl(const Mat& src, Mat& out, int kernelSize, int iterations) {
    // 创建结构元素：kernelSize×kernelSize 的全1矩阵（默认锚点为中心）
    Mat element = getStructuringElement(MORPH_RECT, Size(kernelSize, kernelSize));
    // 执行腐蚀
    erode(src, out, element, Point(-1, -1), iterations);
}

// ====================== 核心：膨胀操作 ======================
void dilateImpl(const Mat& src, Mat& out, int kernelSize, int iterations) {
    // 创建结构元素
    Mat element = getStructuringElement(MORPH_RECT, Size(kernelSize, kernelSize));
    // 执行膨胀
    dilate(src, out, element, Point(-1, -1), iterations);
}

// ====================== JNI 接口 ======================
extern "C" JNIEXPORT void JNICALL
Java_com_nicoli_hellomorphology_MainActivity_binarizeImage
(JNIEnv *env, jobject thiz, jobject srcBitmap, jobject outBitmap, jint thresh) {
    Mat src = bitmapToMat(env, srcBitmap);
    Mat out;
    binarizeImpl(src, out, thresh);
    matToBitmap(env, out, outBitmap);
}

extern "C" JNIEXPORT void JNICALL
Java_com_nicoli_hellomorphology_MainActivity_erodeImage
(JNIEnv *env, jobject thiz, jobject srcBitmap, jobject outBitmap, jint kernelSize, jint iterations) {
    Mat src = bitmapToMat(env, srcBitmap);
    Mat out;
    erodeImpl(src, out, kernelSize, iterations);
    matToBitmap(env, out, outBitmap);
}

extern "C" JNIEXPORT void JNICALL
Java_com_nicoli_hellomorphology_MainActivity_dilateImage
(JNIEnv *env, jobject thiz, jobject srcBitmap, jobject outBitmap, jint kernelSize, jint iterations) {
    Mat src = bitmapToMat(env, srcBitmap);
    Mat out;
    dilateImpl(src, out, kernelSize, iterations);
    matToBitmap(env, out, outBitmap);
}

---

效果与参数详解

1. 运行效果

• 原图：带有噪点的二值图像（前景为白色物体，背景为黑色）
• 腐蚀结果：白色物体边缘收缩，背景中的小白噪点被消除
• 膨胀结果：白色物体边缘扩张，物体内部的小黑孔洞被填充

2. 关键参数说明

• 结构元素大小（kernelSize） ：
  • 3×3：轻微腐蚀/膨胀，适合小噪点去除
  • 5×5/7×7：效果更明显，可消除较大噪点或填充较大孔洞
• 重复次数（iterations） ：
  • 多次腐蚀等价于使用更大的结构元素，例如 kernelSize=3, iterations=3 效果 ≈ kernelSize=7, iterations=1
• 结构元素形状 ：
  • MORPH_RECT：矩形（默认）
  • MORPH_CROSS：十字形
  • MORPH_ELLIPSE：椭圆形

---

扩展与进阶应用

1. 开运算（Opening）：先腐蚀后膨胀

• 作用：去除前景外的白色噪点，同时保持物体大小基本不变
• 实现：dilate(erode(src, element), element)

2. 闭运算（Closing）：先膨胀后腐蚀

• 作用：填充前景内的黑色孔洞，同时保持物体大小基本不变
• 实现：erode(dilate(src, element), element)

3. 形态学梯度

• 作用：提取物体边缘
• 实现：dilate(src, element) - erode(src, element)

4. 灰度图像的腐蚀与膨胀

• 腐蚀：局部最小值滤波，可去除亮噪声
• 膨胀：局部最大值滤波，可去除暗噪声
• 与二值图像的原理完全一致，只是操作对象为灰度值而非黑白值

---

总结

腐蚀与膨胀是形态学滤波的基础，掌握它们的原理与实现，就能轻松理解更复杂的形态学运算。在实际项目中，它们是图像去噪、边缘检测、目标分割的常用工具，尤其是在文本识别、工业质检、医学影像处理等场景中应用广泛。