OpenCV 形态学操作（开，闭，梯度，礼帽，黑帽）
文章目录
- 形态学基本概念
- 高级形态学变换函数：MorphologyEx
-
- 形态学开运算
-
- 开运算案例：
- 形态学闭运算
-
- 闭运算案例：
- 形态学梯度运算
-
- 形态学梯度运算案例：
- 礼/顶帽（Top hat）
-
- 礼帽案例：
- 黑帽（Black hat）
-
- 黑帽案例：
形态学基本概念
图像形态学即数学形态学（Mathematical morphology）是一门建立在格伦和拓扑学基础上的图像分析学科，是数学形态学图像处理的基本理论；常见图像形态学运算：腐蚀，膨胀，开运算，闭运算，骨架抽取，极线腐蚀，击中击不中变换，顶帽变换，颗粒分析，流域变换，形态学梯度等。
腐蚀和膨胀是最基本的形态学运算。
腐蚀和膨胀是针对白色部分（高亮部分）而言的。
膨胀(dilate)是对图像高亮部分进行“领域扩张”，领域扩张，效果图拥有比原图更大的高亮区域；
腐蚀(erode)是原图中的高亮区域被蚕食，领域缩减，效果图拥有比原图更小的高亮区域。
开运算：先腐蚀再膨胀，用来消除小物体
闭运算：先膨胀再腐蚀，用于排除小型黑洞
形态学梯度：就是膨胀图与俯视图之差，用于保留物体的边缘轮廓。
顶帽：原图像与开运算图之差，用于分离比邻近点亮一些的斑块。
黑帽：闭运算与原图像之差，用于分离比邻近点暗一些的斑块。
高级形态学变换函数：MorphologyEx
函数原型：
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()
)
参数：
-
src：源图像Mat对象 -
dst：目标图像Mat对象 -
op：操作的类型，通过源码我们得知总共有以下几种类型：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 }; -
kernel：用于膨胀操作的结构元素，如果取值为Mat(),那么默认使用一个3 x 3 的方形结构元素，可以使用getStructuringElement()来创建结构元素 -
anchor：参考点，其默认值为(-1,-1)说明位于kernel的中心位置。 -
borderType：边缘类型，默认为BORDER_CONSTANT。 -
borderValue：边缘值，用它的默认值即可。
形态学开运算
开操作（先腐蚀后膨胀）可以平滑物体轮廓，断开狭窄的间断和消除细小的突出物。
它具有消除细小物体，在纤细处分离物体和平滑较大物体边界的作用。
函数使用：
morphologyEx(src, dst, MORPH_OPEN, kernel);
开运算案例：
#include注：形态学操作可使用高级函数morphologyEx。
形态学闭运算
闭操作（先膨胀后腐蚀）可以消弭狭窄的间断，消除小的孔洞。先膨胀后腐蚀的操作称之为闭操作。
它具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。
函数使用：
morphologyEx(src, dst, MORPH_CLOSE, kernel);
闭运算案例：
#include形态学梯度运算
形态学梯度操作能描述图像亮度变化的剧烈程度；当我们想要突出高亮区域的外围时，则可以选用形态学梯度来突出边缘，可以保留物体的边缘轮廓。
形态学梯度运算案例：
#include礼/顶帽（Top hat）
顶帽是原图与原图的开运算的差值图像。
开运算放大了裂缝或者局部低亮度的区域，所以，从原图中减去开运算后的图，得到的结果突出了比原图轮廓周围的区域更明亮的区域，这个操作与选择的核的大小有关。TopHat运算一般用来分离比邻近点亮一些的斑块，可以使用这个运算提取背景。
礼帽案例：
#include黑帽（Black hat）
黑帽是闭运算结果与原图的差值图像。
黑帽运算的结果突出了比原图轮廓周围区域更暗的区域，所以黑帽运算用来分离比邻近点暗一些的斑块。
黑帽案例：
#include