原文链接：http://blog.csdn.net/poem_qianmo/article/details/23710721

还是比教科书上的图文并茂的多。以防删除，如有疑问或者版权问题，请移步原博客或者告知本人。

本篇文章中，我们一起探究了图像处理中，最基本的形态学运算——膨胀与腐蚀。浅墨在文章开头友情提醒，用人物照片做腐蚀和膨胀的素材图片得到的效果会比较惊悚，毁三观的，不建议尝试。。。。。。。。。。

OK，开始吧，依然是先放一张截图：

一、理论与概念讲解——从现象到本质

1.1 形态学概述

形态学（morphology）一词通常表示生物学的一个分支，该分支主要研究动植物的形态和结构。而我们图像处理中指的形态学，往往表示的是数学形态学。下面一起来了解数学形态学的概念。

数学形态学（Mathematical morphology）是一门建立在格论和拓扑学基础之上的图像分析学科，是数学形态学图像处理的基本理论。其基本的运算包括：二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。

简单来讲，形态学操作就是基于形状的一系列图像处理操作。OpenCV为进行图像的形态学变换提供了快捷、方便的函数。最基本的形态学操作有二种，他们是：膨胀与腐蚀(Dilation与Erosion)。

膨胀与腐蚀能实现多种多样的功能，主要如下：

消除噪声
分割(isolate)出独立的图像元素，在图像中连接(join)相邻的元素。
寻找图像中的明显的极大值区域或极小值区域
求出图像的梯度

我们在这里给出下文会用到的，用于对比膨胀与腐蚀运算的“浅墨”字样毛笔字原图：

在进行腐蚀和膨胀的讲解之前，首先需要注意，腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。膨胀就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。腐蚀就是原图中的高亮部分被腐蚀，“领域被蚕食”，效果图拥有比原图更小的高亮区域。

1.2 膨胀

其实，膨胀就是求局部最大值的操作。

按数学方面来说，膨胀或者腐蚀操作就是将图像（或图像的一部分区域，我们称之为A）与核（我们称之为B）进行卷积。

核可以是任何的形状和大小，它拥有一个单独定义出来的参考点，我们称其为锚点（anchorpoint）。多数情况下，核是一个小的中间带有参考点和实心正方形或者圆盘，其实，我们可以把核视为模板或者掩码。

而膨胀就是求局部最大值的操作，核B与图形卷积，即计算核B覆盖的区域的像素点的最大值，并把这个最大值赋值给参考点指定的像素。这样就会使图像中的高亮区域逐渐增长。如下图所示，这就是膨胀操作的初衷。

膨胀的数学表达式：

膨胀效果图（毛笔字）：

照片膨胀效果图：

1.3 腐蚀

再来看一下腐蚀，大家应该知道，膨胀和腐蚀是一对好基友，是相反的一对操作，所以腐蚀就是求局部最小值的操作。

我们一般都会把腐蚀和膨胀对应起来理解和学习。下文就可以看到，两者的函数原型也是基本上一样的。

原理图：

腐蚀的数学表达式：

腐蚀效果图（毛笔字）：

照片腐蚀效果图：

浅墨表示这张狗狗超可爱：D

二、深入——OpenCV源码分析溯源

直接上源码吧，在…\opencv\sources\modules\imgproc\src\ morph.cpp路径中的第1353行开始就为erode（腐蚀）函数的源码，1361行为dilate（膨胀）函数的源码。

[cpp] view plaincopyprint?

//-----------------------------------【erode（）函数中文注释版源代码】----------------------------
// 说明：以下代码为来自于计算机开源视觉库OpenCV的官方源代码
// OpenCV源代码版本：2.4.8
// 源码路径：…\opencv\sources\modules\imgproc\src\ morph.cpp
// 源文件中如下代码的起始行数：1353行
// 中文注释by浅墨
//--------------------------------------------------------------------------------------------------------
void cv::erode( InputArray src, OutputArraydst, InputArray kernel,
Point anchor, int iterations,
int borderType, constScalar& borderValue )
{
//调用morphOp函数，并设定标识符为MORPH_ERODE
morphOp( MORPH_ERODE, src, dst, kernel, anchor, iterations, borderType,borderValue );
}

[cpp] view plaincopyprint?

//-----------------------------------【dilate（）函数中文注释版源代码】----------------------------
// 说明：以下代码为来自于计算机开源视觉库OpenCV的官方源代码
// OpenCV源代码版本：2.4.8
// 源码路径：…\opencv\sources\modules\imgproc\src\ morph.cpp
// 源文件中如下代码的起始行数：1361行
// 中文注释by浅墨
//--------------------------------------------------------------------------------------------------------
void cv::dilate( InputArray src,OutputArray dst, InputArray kernel,
Point anchor, int iterations,
int borderType, constScalar& borderValue )
{
//调用morphOp函数，并设定标识符为MORPH_DILATE
morphOp( MORPH_DILATE, src, dst, kernel, anchor, iterations, borderType,borderValue );
}

可以发现erode和dilate这两个函数内部就是调用了一下morphOp，只是他们调用morphOp时，第一个参数标识符不同，一个为MORPH_ERODE（腐蚀），一个为MORPH_DILATE（膨胀）。

morphOp函数的源码在…\opencv\sources\modules\imgproc\src\morph.cpp中的第1286行，有兴趣的朋友们可以研究研究，这里就不费时费力花篇幅展开分析了。

三、浅出——API函数快速上手

3.1 形态学膨胀——dilate函数

erode函数，使用像素邻域内的局部极大运算符来膨胀一张图片，从src输入，由dst输出。支持就地（in-place）操作。

函数原型：

[cpp] view plaincopyprint?

    C++: void dilate(  InputArray src,  OutputArray dst,  InputArray kernel,  Point anchor=Point(-1,-1),  int iterations=1,  int borderType=BORDER_CONSTANT,  const Scalar& borderValue=morphologyDefaultBorderValue()   );  
参数详解：

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像通道的数量可以是任意的，但图像深度应为CV_8U，CV_16U，CV_16S，CV_32F或 CV_64F其中之一。

第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。

第三个参数，InputArray类型的kernel，膨胀操作的核。若为NULL时，表示的是使用参考点位于中心3x3的核。

我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。

其中，getStructuringElement函数的第一个参数表示内核的形状，我们可以选择如下三种形状之一:

矩形: MORPH_RECT

交叉形: MORPH_CROSS

椭圆形: MORPH_ELLIPSE

而getStructuringElement函数的第二和第三个参数分别是内核的尺寸以及锚点的位置。

我们一般在调用erode以及dilate函数之前，先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。对于锚点的位置，有默认值Point(-1,-1)，表示锚点位于中心。且需要注意，十字形的element形状唯一依赖于锚点的位置。而在其他情况下，锚点只是影响了形态学运算结果的偏移。
getStructuringElement函数相关的调用示例代码如下：
[cpp] view plaincopyprint?
int g_nStructElementSize = 3; //结构元素(内核矩阵)的尺寸  //获取自定义核
Mat element = getStructuringElement(MORPH_RECT,  Size(2*g_nStructElementSize+1,2*g_nStructElementSize+1),  Point( g_nStructElementSize, g_nStructElementSize ));  
调用这样之后，我们便可以在接下来调用erode或dilate函数时，第三个参数填保存了getStructuringElement返回值的Mat类型变量。对应于我们上面的示例，就是填element变量。

第四个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。

第五个参数，int类型的iterations，迭代使用erode（）函数的次数，默认值为1。

第六个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。

第七个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。

使用erode函数，一般我们只需要填前面的三个参数，后面的四个参数都有默认值。而且往往结合getStructuringElement一起使用。

调用范例：

[cpp] view plaincopyprint?

用上面核心代码架起来的完整程序代码：
            //载入原图   Mat image = imread("1.jpg");  //获取自定义核  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));  Mat out;  //进行膨胀操作  dilate(image, out, element);  
[cpp] view plaincopyprint?
//     描述：包含程序所依赖的头文件
//----------------------------------------------------------------------------------------------
#include <opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include <iostream>  //-----------------------------------【命名空间声明部分】---------------------------------------
//     描述：包含程序所使用的命名空间
//-----------------------------------------------------------------------------------------------
using namespace std;
using namespace cv;  //-----------------------------------【main( )函数】--------------------------------------------
//     描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main(  )
{  //载入原图   Mat image = imread("1.jpg");  //创建窗口   namedWindow("【原图】膨胀操作");  namedWindow("【效果图】膨胀操作");  //显示原图  imshow("【原图】膨胀操作", image);  <span style="white-space:pre">  </span>//获取自定义核  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));  Mat out;
<span style="white-space:pre">  </span>//进行膨胀操作  dilate(image,out, element);  //显示效果图  imshow("【效果图】膨胀操作", out);  waitKey(0);  return 0;
}  
运行截图：

3.2 形态学腐蚀——erode函数

erode函数，使用像素邻域内的局部极小运算符来腐蚀一张图片，从src输入，由dst输出。支持就地（in-place）操作。

看一下函数原型：

[cpp] view plaincopyprint?

    C++: void erode(  InputArray src,  OutputArray dst,  InputArray kernel,  Point anchor=Point(-1,-1),  int iterations=1,  int borderType=BORDER_CONSTANT,  const Scalar& borderValue=morphologyDefaultBorderValue()  );

参数详解：

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像通道的数量可以是任意的，但图像深度应为CV_8U，CV_16U，CV_16S，CV_32F或 CV_64F其中之一。
第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。
第三个参数，InputArray类型的kernel，腐蚀操作的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。（具体看上文中浅出部分dilate函数的第三个参数讲解部分）
第四个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于单位（element）的中心，我们一般不用管它。
第五个参数，int类型的iterations，迭代使用erode（）函数的次数，默认值为1。
第六个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。
第七个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。

同样的，使用erode函数，一般我们只需要填前面的三个参数，后面的四个参数都有默认值。而且往往结合getStructuringElement一起使用。

调用范例：

[cpp] view plaincopyprint?

       //载入原图   Mat image = imread("1.jpg");
//获取自定义核  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));  Mat out;  //进行腐蚀操作  erode(image,out, element);

用上面核心代码架起来的完整程序代码：

[cpp] view plaincopyprint?

    //-----------------------------------【头文件包含部分】---------------------------------------  //     描述：包含程序所依赖的头文件  //----------------------------------------------------------------------------------------------  #include <opencv2/core/core.hpp>  #include<opencv2/highgui/highgui.hpp>  #include<opencv2/imgproc/imgproc.hpp>  #include <iostream>  //-----------------------------------【命名空间声明部分】---------------------------------------  //     描述：包含程序所使用的命名空间  //-----------------------------------------------------------------------------------------------   using namespace std;  using namespace cv;  //-----------------------------------【main( )函数】--------------------------------------------  //     描述：控制台应用程序的入口函数，我们的程序从这里开始  //-----------------------------------------------------------------------------------------------  int main(  )  {  //载入原图   Matimage = imread("1.jpg");  //创建窗口   namedWindow("【原图】腐蚀操作");  namedWindow("【效果图】腐蚀操作");  //显示原图  imshow("【原图】腐蚀操作", image);  //获取自定义核  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));  Mat out;  //进行腐蚀操作  erode(image,out, element);  //显示效果图  imshow("【效果图】腐蚀操作", out);  waitKey(0);  return 0;  }

运行结果：

四、综合示例——在实战中熟稔

依然是每篇文章都会配给大家的一个详细注释的博文配套示例程序，把这篇文章中介绍的知识点以代码为载体，展现给大家。

这个示例程序中的效果图窗口有两个滚动条，顾名思义，第一个滚动条“腐蚀/膨胀”用于在腐蚀/膨胀之间进行切换；第二个滚动条”内核尺寸”用于调节形态学操作时的内核尺寸，以得到效果不同的图像，有一定的可玩性。废话不多说，上代码吧：

[cpp] view plaincopyprint?

//-----------------------------------【程序说明】----------------------------------------------
//            程序名称:：《【OpenCV入门教程之十】形态学图像处理（一）：膨胀与腐蚀  》 博文配套源码
//            开发所用IDE版本：Visual Studio 2010
//          开发所用OpenCV版本： 2.4.8
//            2014年4月14日 Create by 浅墨
//            浅墨的微博：@浅墨_毛星云
//------------------------------------------------------------------------------------------------  //-----------------------------------【头文件包含部分】---------------------------------------
//            描述：包含程序所依赖的头文件
//----------------------------------------------------------------------------------------------
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include <iostream>  //-----------------------------------【命名空间声明部分】---------------------------------------
//            描述：包含程序所使用的命名空间
//-----------------------------------------------------------------------------------------------
using namespace std;
using namespace cv;  //-----------------------------------【全局变量声明部分】--------------------------------------
//            描述：全局变量声明
//-----------------------------------------------------------------------------------------------
Mat g_srcImage, g_dstImage;//原始图和效果图
int g_nTrackbarNumer = 0;//0表示腐蚀erode, 1表示膨胀dilate
int g_nStructElementSize = 3; //结构元素(内核矩阵)的尺寸  //-----------------------------------【全局函数声明部分】--------------------------------------
//            描述：全局函数声明
//-----------------------------------------------------------------------------------------------
void Process();//膨胀和腐蚀的处理函数
void on_TrackbarNumChange(int, void *);//回调函数
void on_ElementSizeChange(int, void *);//回调函数  //-----------------------------------【main( )函数】--------------------------------------------
//            描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main( )
{  //改变console字体颜色  system("color5E");   //载入原图  g_srcImage= imread("1.jpg");  if(!g_srcImage.data ) { printf("Oh，no，读取srcImage错误~！\n"); return false; }  //显示原始图  namedWindow("【原始图】");  imshow("【原始图】", g_srcImage);  //进行初次腐蚀操作并显示效果图  namedWindow("【效果图】");  //获取自定义核  Mat element = getStructuringElement(MORPH_RECT, Size(2*g_nStructElementSize+1,2*g_nStructElementSize+1),Point( g_nStructElementSize, g_nStructElementSize ));  erode(g_srcImage,g_dstImage, element);  imshow("【效果图】", g_dstImage);  //创建轨迹条  createTrackbar("腐蚀/膨胀", "【效果图】", &g_nTrackbarNumer, 1, on_TrackbarNumChange);  createTrackbar("内核尺寸", "【效果图】",&g_nStructElementSize, 21, on_ElementSizeChange);  //输出一些帮助信息  cout<<endl<<"\t嗯。运行成功，请调整滚动条观察图像效果~\n\n"  <<"\t按下“q”键时，程序退出~!\n"  <<"\n\n\t\t\t\tby浅墨";  //轮询获取按键信息，若下q键，程序退出  while(char(waitKey(1))!= 'q') {}  return 0;
}  //-----------------------------【Process( )函数】------------------------------------
//            描述：进行自定义的腐蚀和膨胀操作
//-----------------------------------------------------------------------------------------
void Process()
{  //获取自定义核  Mat element = getStructuringElement(MORPH_RECT, Size(2*g_nStructElementSize+1,2*g_nStructElementSize+1),Point( g_nStructElementSize, g_nStructElementSize ));  //进行腐蚀或膨胀操作  if(g_nTrackbarNumer== 0) {     erode(g_srcImage,g_dstImage, element);  }  else{  dilate(g_srcImage,g_dstImage, element);  }  //显示效果图  imshow("【效果图】", g_dstImage);
}  //-----------------------------【on_TrackbarNumChange( )函数】------------------------------------
//            描述：腐蚀和膨胀之间切换开关的回调函数
//-----------------------------------------------------------------------------------------------------
void on_TrackbarNumChange(int, void *)
{  //腐蚀和膨胀之间效果已经切换，回调函数体内需调用一次Process函数，使改变后的效果立即生效并显示出来  Process();
}  //-----------------------------【on_ElementSizeChange( )函数】-------------------------------------
//            描述：腐蚀和膨胀操作内核改变时的回调函数
//-----------------------------------------------------------------------------------------------------
void on_ElementSizeChange(int, void *)
{  //内核尺寸已改变，回调函数体内需调用一次Process函数，使改变后的效果立即生效并显示出来  Process();
}

放出一些效果图吧。原始图：

膨胀效果图：

腐蚀效果图：

腐蚀和膨胀得到的图，都特有喜感，但千变万变，还是原图好看：

OK，就放出这些吧，具体更多的运行效果大家就自己下载示例程序回去玩吧。

本篇文章到这里就基本结束了，最后放出文章配套示例程序的打包下载地址。

本篇文章的配套源代码请点击这里下载：

【浅墨OpenCV入门教程之十】配套源代码下载

OK，今天的内容大概就是这些，我们下篇文章见：）

详细分析图像形态学操作相关推荐

OpenCV与图像处理学习六——图像形态学操作：腐蚀、膨胀、开、闭运算、形态学梯度、顶帽和黑帽
OpenCV与图像处理学习六--图像形态学操作:腐蚀.膨胀.开.闭运算.形态学梯度.顶帽和黑帽四.图像形态学操作 4.1 腐蚀和膨胀 4.1.1 图像腐蚀 4.1.2 图像膨胀 4.2 开运算与闭运 ...
OpenCV中图像形态学操作
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自:视学算法图像形态学是图像处理的分支学科,在二值图像处理 ...
2020.11.01 使用OpenCV进行图像形态学操作（开、闭、梯度）【OpenCV C++】
进行基础的图像形态学操作练习 (开操作.闭操作.梯度.顶帽.黑帽操作) 源代码: // #include <opencv2/opencv.hpp> #include <iostrea ...
Opencv学习笔记四——图像形态学操作
需要的库和自定义函数 import cv2 import numpy as np import matplotlib.pyplot as pltdef cv_show(name, mat):cv2.i ...
opencv 实现图像形态学操作膨胀和腐蚀开闭运算形态学梯度顶帽和黑帽
图像膨胀和腐蚀图解原理及python实现更多内容:图像膨胀和腐蚀原理及python实现 opencv中膨胀和腐蚀函数 dilation = cv.dilate(img, kernel) # 膨胀 ...
[图像形态学操作]——腐蚀和膨胀、开闭运算、黑帽礼帽
形态学转换是基于图像形状的一些简单操作,它通常在二进制图像上执行.腐蚀和膨胀是两个基本的形态学运算符.然后它的变体形式如:开运算.闭运算.礼帽黑帽等. 一.连通性在图像学当中,图像的最小单位是像素, ...
opencv c++ 图像形态学操作
1.图像的形态学操作包括图像的腐蚀.膨胀.开.闭.形态学梯度.顶帽.黑帽.分支主题.结构元素等操作. 具体概念参考:(41条消息) 图像处理-形态学处理_Good@dz的博客-CSDN博客_图像处理 ...
【opencv】基本图像形态学操作
图像形态学的作用是简化图像数据,保持基本图像特性,取出不相干结构等. 目录: 1.erode() 2.dilate() 3.morphologyEx()//MORPH_OPEN 4.morpholog ...
opencv进阶学习笔记13：图像形态学操作大全（膨胀，腐蚀，开闭，黑帽，顶帽，梯度）python版
基础版学习笔记: python3+opencv学习笔记汇总目录(适合基础入门学习) 进阶版笔记目录链接: python+opencv进阶版学习笔记目录(适合有一定基础) 基础版形态学: opencv学 ...

详细分析图像形态学操作

一、理论与概念讲解——从现象到本质

1.1 形态学概述

1.2 膨胀

1.3 腐蚀

二、深入——OpenCV源码分析溯源

三、浅出——API函数快速上手

3.1 形态学膨胀——dilate函数

3.2 形态学腐蚀——erode函数

四、综合示例——在实战中熟稔

详细分析图像形态学操作相关推荐

最新文章

热门文章