Opencv图像形态学运算总结——腐蚀、膨胀、开运算、闭运算、顶帽、黑帽、形态学梯度

Opencv中提供了图像形态学运算的接口，像基本的腐蚀膨胀都有自己单独的函数接口，但实际上调用morphologyEx()一个函数接口使用不同的参数就可以完成所有常见的形态学运算，包括腐蚀、膨胀、开运算、闭运算、顶帽、黑帽、形态学梯度。

示例：

Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));
morphologyEx(src, dst, MORPH_DILATE, element);

element是运算核（内核矩阵），从getStructuringElement()函数返回获取一个矩阵，getStructuringElement()函数定义了运算核的类型，MORPH_RECT代表的是矩形的运算核，还可以选择MORPH_ELLIPSE椭圆核和MORPH_CROSS十字形核；第二个参数是设置运算核的大小cv::Size()。

morphologyEx()函数第一个参数为原图像（待运算的图像），第二个参数为目标图像（运算生成的图像），第三个参数最为重要，为运算类型，关于不同标识符作为参数输入与对应的运算类型有一个表非常详细：

标识符	运算类型
MORPH_ERODE	腐蚀
MORPH_DILATE	膨胀
MORPH_OPEN	开运算
MORPH_CLOSE	闭运算
MORPH_GRADIENT	形态学梯度
MORPH_TOPHAT	顶帽运算
MORPH_BLACKHAT	黑帽运算

最后一个参数就是已经设置好的内核矩阵element。

• 腐蚀与膨胀

腐蚀与膨胀是形态学中最基本的运算，其实所谓的”腐蚀“与”膨胀“都是针对亮度较高的像素而言的，腐蚀运算会将高亮像素区域局部缩小，而膨胀运算会将高亮像素区域局部放大。

原图

腐蚀图

膨胀图

• 开运算与闭运算

开运算与闭运算都是在腐蚀膨胀的基础上进行的；准确地说，开运算就是先进行腐蚀再进行膨胀，可以消除图像中较小的亮点（在前景检测中开运算能够很好的消除二值前景图像中的噪声点）；闭运算就是先进行膨胀再进行腐蚀，可以消除图像中小型的黑洞。

原图

开运算图

闭运算图

 

•  形态学梯度

形态学梯度与开闭运算一样，是在腐蚀膨胀的基础上进行的运算；不同的是形态学梯度图是膨胀图与腐蚀图做差分得到的图像，通过膨胀图减去腐蚀图可以得到图像的边缘轮廓区域的像素。

原图

形态学梯度图

• 顶帽与黑帽

顶帽：原图像与开运算图之差，用于分离局部较亮区域的像素。

黑帽：闭运算与原图像之差，用于分离局部较暗区域的像素。

原图

顶帽运算图

黑帽运算图