形态学变换（Morphological Transformations）

#形态学变换（Morphological Transformations）

参考博客

形态学处理又可理解为形态学变换（Morphological Transformations），是一种基于形状的简单变换。它的处理对象通常是二值化图像（也常用于彩色图像）。通常，形态学变换有两个输入，一个输出：

• 输入：原图像，核
• 输出：形态学变换后的图像

膨胀与腐蚀是最基本的两种形态学变换方法，形态学处理的常规操作（开运算、闭运算和形态学梯度等）则是这两种方法的组合。膨胀和腐蚀是针对较亮的像素的两种相反的操作，即较亮的像素会膨胀和被腐蚀（被暗色腐蚀）。

##膨胀（Dilation）
膨胀就是求局部最大值。原图与核进行卷积，将最大值赋予指定像素，从而使亮者更亮，效果就是亮的区域膨胀。
公式：


可以理解为，将结构B（核）在结构A上进行卷积操作，所有移动结构B与结构A存在交集的位置的集合为结构A在结构B作用下的膨胀结果。

函数原型：

dst=cv2.dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])

#src：源图，通道数任意，深度需为CV_8U，CV_16U，CV_16S，CV_32F或 CV_64F
#dst：输出图，与src有着同样的尺寸
#kernel：膨胀操作的核，通常这个参数由函数getStructuringElement得到（稍后会讲）
#anchor：锚点位置，默认值为中心点
#iterations：自身迭代的次数，默认为1
#borderType和borderValue都有各自的默认值，通常不用理会

##腐蚀（Erosion）
操作与膨胀相反，求局部最小值。
公式：


可以理解为，移动结构B（核），如果结构B与结构A的交集完全属于结构A的区域内，则保存该位置点，所有满足条件的点构成结构A被结构B腐蚀的结果。

函数原型：

dst=cv2.erode(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])

#kernel：腐蚀操作的核，通常这个参数由函数getStructuringElement得到（稍后会讲）
#iterations：自身迭代的次数，默认值为1

##形态学处理的常规操作

腐蚀和膨胀，看上去好像是一对互逆的操作，实际上，这两种操作不具有互逆的关系。 开运算和闭运算正是依据腐蚀和膨胀的不可逆性，演变而来的。

###开运算
先腐蚀后膨胀，用来消除小物体，在纤细点处分离物体，平滑较大物体的边界的同时并不明显改变其面积。

###闭运算
闭运算是先膨胀后腐蚀的过程，其功能是用来填充物体内细小空洞、连接邻近物体、平滑其边界， 同时不明显改变其面积。闭运算能够排除小的黑色区域。

###形态学梯度
膨胀图与腐蚀图之差，通常用来保留边缘轮廓（不是轮廓和边缘识别）。