Question

图像膨胀腐蚀算法原理

Answer 1

膨胀和腐蚀的主要用途：
消除噪声；
分割出独立的图像元素，在图像中连接相邻的元素；
寻找图像中明显的极大值或极小值区；
求出图像的梯度；
【注】：
腐蚀和膨胀是对像素值大的部分而言的，即高亮白部分而不是黑色部分；
膨胀是图像中的高亮部分进行膨胀，领域扩张，效果图拥有比原图更大的高亮区域；
腐蚀是图像中的高亮部分被腐蚀掉，领域缩减，效果图拥有比原图更小的高亮区域；
2
/9
膨胀原理：
膨胀：求局部最大值；
①定义一个卷积核B，
核可以是任何的形状和大小，且拥有一个单独定义出来的参考点-锚点(anchorpoint)；
通常和为带参考点的正方形或者圆盘，可将核称为模板或掩膜；
②将核B与图像A进行卷积，计算核B覆盖区域的像素点最大值；
③将这个最大值赋值给参考点指定的像素；
因此，图像中的高亮区域逐渐增长。
3
/9
腐蚀原理：
腐蚀：局部最小值(与膨胀相反)；
①定义一个卷积核B，
核可以是任何的形状和大小，且拥有一个单独定义出来的参考点-锚点(anchorpoint)；
通常和为带参考点的正方形或者圆盘，可将核称为模板或掩膜；
②将核B与图像A进行卷积，计算核B覆盖区域的像素点最小值；
③将这个最小值赋值给参考点指定的像素；
因此，图像中的高亮区域逐渐减小。
4
/9
OpenCV中膨胀函数-dilate()
格式：
void dilate(
InputArray src,//输入
OutputArray dst, //输出
InputArray kernel, //核大小
Point anchor=Point(-1,-1),// 锚位置，(-1，-1)为中心
int iterations=1, //迭代次数
int borderType=BORDER_CONSTANT,//图像边界像素模式
const Scalar& borderValue=morphologyDefaultBorderValue()//边界值
)
【注】：
关于核，一般配合getStructuringElement()使用；
getStructuringElement()：返回指定形状和尺寸的结构元素；
格式：
getStructuringElement(int shape, Size ksize, Point anchor=Point(-1,-1));
参数：
shape：表核的形状，矩形MORPH_RECT;交叉形MORPH_CROSS;椭圆形MORPH_ELLIPSE;
ksize:核尺寸大小；
anchor：锚点的位置，锚点只影响形态学运算结果的偏移；
5
/9
OpenCV中腐蚀函数-erode()
格式：
void erode(
InputArray src,//输入
OutputArray dst, //输出
InputArray kernel, //核大小
Point anchor=Point(-1,-1),// 锚位置，(-1，-1)为中心
int iterations=1, //迭代次数
int borderType=BORDER_CONSTANT,//图像边界像素模式
const Scalar& borderValue=morphologyDefaultBorderValue()//边界值
)
6
/9
形态学开运算：
开运算(Open Operation)：先腐蚀后膨胀的过程；
功能：
消除小物体；
在纤细处分离物体；
平滑较大的边界并不明显改变其面积；
7
/9
形态学闭运算：
闭运算(Closing Openration),先膨胀后腐蚀；
功能：
排除小型黑洞(黑斑)；
8
/9
OpenCV：morphologyEx()
功能：morphologyEx函数利用基本的膨胀和腐蚀技术，来执行更加高级形态学变换，
如开闭运算，形态学梯度，“顶帽”、“黑帽”等等。