15. OpenCV--膨胀与腐蚀(图像形态学)

》》点赞，收藏+关注，理财&技术不迷路《《

目录：

15.1 膨胀与腐蚀理论Dilation and erosion

形态学，即数学形态学(mathematical Morphology），是图像处理中应用最为广泛的技术之一，主要用于从图像中提取对表达和描绘区域形状有意义的图像分量，使后续的识别工作能够抓住目标对象最为本质〈最具区分能力－most discriminative）的形状特征，如边界和连通区域等。同时像细化、像素化和修剪毛刺等技术也常应用于图像的预处理和后处理中，成为图像增强技术的有力补充。

几种二值图像的基本形态学运算， 包括腐蚀、膨胀， 以及开、闭运算。由于所有形态学运算都是针对图像中的前景物体进行的， 因而首先对图像前景和背景的认定给出必要的说明．

注意： 大多数图像，一般相对于背景而言物体的颜色（灰度）更深， 二值化之后物体会成为黑色， 而背景则成为白色， 因此我们通常是习惯于将物体用黑色（灰度值0）表示， 而背景用白色（灰度值255）表示，本章所有的算法示意图以及所有的Visual C＋＋的程序实例都遵从这种约定；但Matlab 在二位图像形态学处理中，默认情况下白色的（二位图像中灰度值为1的像素，或灰度图像中灰度值为255的像素）

是前景（物体），黑色的为背景， 因而本章涉及Matlab 的所有程序实例又都遵从Matlab本身的这种前景认定习惯．

实际上， 无论以什么灰度值为前景和背景都只是一种处理上的习惯， 与形态学算法本身无关。例如对于上面两幅图片， 只需要在形态学处理之前先对图像反色就可以在两种认定习惯之间自由切换。

腐蚀的作用“ 顾名思义，腐蚀能够消融物体的边界，而具体的腐蚀结果与图像本身和结构元素的形状有关。如果物体整体上大于结构元素，腐蚀的结构是使物体变“ 瘦”一圈，而

这一圈到底有多大是由结构元素决定的：如果物体本身小于结构元素， 则在腐蚀后的图像中物体将完全消失：如物体仅有部分区域小于结构元素〈如细小的连通3，则腐蚀后物体会在细

连通处断裂，分离为两部分。

15.2 Dilate膨胀

上面左边格子，3*3 算子往右走，在走到第二步的时候碰到了右下角第一个1, 所以就替换中间0为1. 往下继续以此类推。膨胀就是用我们结构元素覆盖下的图像的像素最大值来覆盖中心像素，比如000000的3*3 覆盖了一个1,所以中心0变为1。

之前中值滤波是结构图像覆盖下的中值来替换，这里是我们用结构元素覆盖下的最大值来替换。

15.3 腐蚀 Erode

最小值替换中心向素