目录

        1 什么是形态学操作

        2 形态学操作的意义

        3 形态学操作的分类

        1 什么是形态学操作

        形态学一般指生物学中研究动物和植物结构的一个分支。用数学形态学(也称图像代数)表示以形态为基础对图像进行分析的数学工具。基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。形态学图像处理的数学基础和所用语言是集合论。形态学图像处理的应用可以简化图像数据，保持它们基本的形状特性，并除去不相干的结构。

        2 形态学操作的意义

        形态学操作在图像处理中具有重要的意义，主要包括以下几个方面：

        去噪和平滑：腐蚀操作可以用于去除图像中的小噪点或细小的不连续区域，而膨胀操作可以用于填充图像中的空洞或连接断裂的区域。通过适当选择腐蚀和膨胀的结构元素，可以实现对图像的平滑和去噪处理。

        特征提取：形态学操作可以突出图像中的边缘、角点和其他形状特征。例如，通过将腐蚀和膨胀操作结合起来，可以获得图像中物体的外轮廓信息，从而实现简单形状的特征提取。

        形态学重构：形态学操作可以用于图像的分割和重构。通过将腐蚀和膨胀操作结合起来，可以实现对图像中物体的分离和提取。此外，形态学重构还可以用于图像的去除噪声、填充空洞等应用。

        形态学滤波：形态学操作可以用于图像的滤波处理。不同于线性滤波，形态学滤波可以根据图像的几何结构进行非线性处理，从而实现对图像的纹理和形状特征的保护或增强。

        3 形态学操作的分类

        膨胀（Dilation）：膨胀操作可以增加图像中物体的尺寸和区域。它通过在图像上滑动一个结构元素（也称为内核或模板），并将结构元素与图像中相应位置的像素进行比较。如果结构元素与图像中的任何一个像素匹配，则将该像素的值设置为最大值。膨胀操作可以填补物体之间的空隙，使物体更加连通。

        腐蚀（Erosion）：腐蚀操作可以减小图像中物体的尺寸和区域。它也是通过滑动结构元素并将其与图像中对应位置的像素进行比较。只有当结构元素与图像中所有像素都匹配时，才将该位置的像素值设置为最小值。腐蚀操作可以去除物体边缘的噪声并分离密集的物体。

形态学梯度（Morphological Gradient）：形态学梯度用于提取图像中物体边缘或轮廓的信息。它可以通过膨胀和腐蚀两种基本操作的组合来计算得到。形态学梯度图像反映了图像中物体边缘的强度变化情况。在梯度图像中，边缘部分呈现明亮的值，而平坦区域和背景则呈现较暗的值。这样可以通过阈值分割或进一步处理来提取出图像中的边缘特征。

        开运算（Opening）：开运算是先进行腐蚀操作，再进行膨胀操作。它可以用来消除小物体、平滑物体边缘并打开物体之间的间隙。开运算能够保留物体的整体形状，并去除细小的突出区域。

        闭运算（Closing）：闭运算是先进行膨胀操作，再进行腐蚀操作。它可以消除小型空洞、连接断裂的物体边缘并填补物体之间的缝隙。闭运算能够保持物体的整体形状，并填充物体内部的空白区域。

        顶帽变换（Top Hat Transform）：顶帽变换用于突出图像中比周围区域更明亮或更暗的局部区域。顶帽变换通过对原始图像进行开运算，然后将得到的结果与原始图像相减，以获取与原始图像中较小尺寸、高对比度的细节相关的信息。

        底帽变换（Black Hat Transform）：底帽变换与顶帽变换相反，用于突出图像中比周围区域更暗的局部区域。底帽变换通过对原始图像进行闭运算，然后将原始图像与闭运算结果相减，以获取与原始图像中较大尺寸、低对比度的细节相关的信息。

         击中击不中变换（Hit-or-Miss Transform）：击中击不中变换是一种用于检测图像中特定模式的形态学操作。它通过定义一个前景结构元素和一个背景结构元素，分别表示目标模式的前景和背景。击中击不中变换会在输入图像上滑动这两个结构元素，当前景结构元素完全匹配前景像素且背景结构元素完全匹配背景像素时，输出图像对应位置的像素值为1，否则为0。

        图像细化（Image Thinning）：图像细化用于将物体或线条的宽度减小到一个像素的宽度，以保留其形状和拓扑结构。细化操作可以帮助提取图像中的骨架信息，常用于图像分析、模式识别和形状描述等领域。

        4 形态学的API函数详解

        在形态学中，因为要涉及到区域像素操作，我们就要设计一个核，在核范围内对像素进行操作。所以我们需要创建一个核，在这里，我们用到一个新的API，定义如下：

Mat getStructuringElement(int shape, Size ksize,Point anchor = Point(-1,-1)); 
函数参数的含义： shape  --  核形状 
MORPH_RECT  --  矩形结构区域 
MORPH_CROSS  --  十字行结构区域 
MORPH_ELLIPSE  --  椭圆形结构区域 
ksize  --  核大小 
anchor  --锚点，负值表示锚定位于中心

        不管是哪种形态学操作，我们都可以使用opencv提供的形态学操作的API函数morphologyEx()，进行图像处理。

void 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())
 函数参数的含义： 
src  --  输入图像 
dst  --  目标图像 
op  -- 形态学操作类型 
kernel  --  膨胀核（使用Mat或getStructuringElement创建） 
anchor  --  锚点在元素中的位置，默认值（-1，-1）代表锚点在正中心 
iterations  --  膨胀次数 
borderType  --  像素外推方式 
borderValue  --  常数外推时的常数值

第三个参数op是所有形态学操作类型，主要有：
enum MorphTypes{
    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,  //击中击不中变换