目录
引言
形态学基础
结构元素（Structuring Element）
基本形态学操作
腐蚀（Erosion）
膨胀（Dilation）
开运算（Opening）
闭运算（Closing）
高级形态学操作
形态学梯度（Morphological Gradient）
顶帽（Top Hat）
黑帽（Black Hat）
编辑
结论
引言
图像形态学是一种基于数学形态学的理论和技术，广泛应用于数字图像处理、计算机视觉和模式识别等领域。它主要通过对图像中的形状和结构元素（也称为内核或模板）进行操作，来实现图像的增强、去噪、特征提取等目的。本文将详细介绍OpenCV中C++语言支持的几种基本形态学操作，包括腐蚀、膨胀、开运算、闭运算、形态学梯度等。
形态学基础
结构元素（Structuring Element）
结构元素是一种小的图像模板，用于定义形态学操作的特征和行为。它通常是一个小的二值图像，用于描述待处理图像中的局部结构。常见的结构元素包括方形、圆形、十字形等。在OpenCV中，可以使用cv::getStructuringElement函数来生成这些结构元素。
函数原型
在 C++ 中，getStructuringElement 函数的原型如下：
Mat cv::getStructuringElement(int shape, Size ksize, Point anchor=Point(-1,-1))参数说明
- shape：结构元素的形状。OpenCV 提供了几种预定义的形状，如矩形（
MORPH_RECT）、交叉形（MORPH_CROSS）、椭圆形（MORPH_ELLIPSE）等。 - ksize：结构元素的大小，使用
Size类型表示，即宽度和高度。 - anchor：结构元素的锚点位置，即中心点。如果设置为
Point(-1,-1)，则表示锚点位于结构元素的中心。
返回值
函数返回一个 Mat 对象，该对象是一个二值图像，表示了结构元素。
基本形态学操作
腐蚀（Erosion）
腐蚀是一种通过结构元素对图像进行局部最小值滤波的形态学操作，它会使图像中的边界部分逐渐缩小。腐蚀操作常用于去除图像中的噪声、细化边缘、分离紧密相连的物体等。
函数声明：
void cv::erode(InputArray src, OutputArray dst, InputArray kernel,
Point anchor = Point(-1,-1), int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue = morphologyDefaultBorderValue());参数说明：
src：输入图像。dst：输出图像。kernel：腐蚀所使用的结构元素。anchor：结构元素的锚点，默认为结构元素的中心。iterations：腐蚀操作的迭代次数。borderType：边界填充类型。borderValue：当borderType为BORDER_CONSTANT时，用于填充图像边缘的值。
代码示例：
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// 加载图像
Mat src = imread("C:/Users/Administrator/Desktop/777.jpg");
if (src.empty()) {
cout << "Could not open or find the image!" << endl;
return -1;
}
// 显示原始图像
namedWindow("Original Image", WINDOW_AUTOSIZE);
imshow("Original Image", src);
// 创建腐蚀操作所需的结构元素
Mat element = getStructuringElement(MORPH_RECT, Size(3, 3)); // 使用3x3的矩形结构元素
// 创建一个与原始图像相同大小和类型的Mat对象用于存储腐蚀后的图像
Mat eroded;
// 应用腐蚀操作
erode(src, eroded, element);
// 显示腐蚀后的图像
namedWindow("Eroded Image", WINDOW_AUTOSIZE);
imshow("Eroded Image", eroded);
// 等待任意键盘按键后退出
waitKey(0);
return 0;
}
膨胀（Dilation）
膨胀是腐蚀的相反操作，它通过结构元素对图像进行局部最大值滤波，使图像中的边界部分逐渐扩张。膨胀操作常用于填充图像中的空洞、连接物体等。
函数声明（与腐蚀类似，但操作原理相反）：
void cv::dilate(InputArray src, OutputArray dst, InputArray kernel,
Point anchor = Point(-1,-1), int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue = morphologyDefaultBorderValue());参数说明：
src：输入图像。dst：输出图像。kernel：膨胀所使用的结构元素。anchor：结构元素的锚点，默认为结构元素的中心。iterations：膨胀操作的迭代次数。borderType：边界填充类型。borderValue：当borderType为BORDER_CONSTANT时，用于填充图像边缘的值。
代码示例：
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// 加载图像
Mat src = imread("C:/Users/Administrator/Desktop/777.jpg");
if (src.empty()) {
cout << "Could not open or find the image!" << endl;
return -1;
}
// 显示原始图像
namedWindow("Original Image", WINDOW_AUTOSIZE);
imshow("Original Image", src);
// 创建膨胀操作所需的结构元素
Mat element = getStructuringElement(MORPH_RECT, Size(3, 3)); // 使用3x3的矩形结构元素
// 创建一个与原始图像相同大小和类型的Mat对象用于存储膨胀后的图像
Mat dilated;
// 应用膨胀操作
dilate(src, dilated, element);
// 显示膨胀后的图像
namedWindow("Dilated Image", WINDOW_AUTOSIZE);
imshow("Dilated Image", dilated);
// 等待任意键盘按键后退出
waitKey(0);
return 0;
}
开运算（Opening）
开运算是先进行腐蚀操作，再进行膨胀操作的组合操作。它常用于去除小的噪声，并保留图像中的主要结构。
示例代码：
Mat structureElement = getStructuringElement(MORPH_RECT, Size(5,5), Point(-1,-1));
morphologyEx(src, dst, MORPH_OPEN, structureElement);#include <opencv2/opencv.hpp>
using namespace cv;
int main() {
// 读取图像
Mat src = imread("C:/Users/Administrator/Desktop/777.jpg", IMREAD_GRAYSCALE); // 假设我们处理的是灰度图像
if (src.empty()) {
std::cerr << "Could not read the image." << std::endl;
return 1;
}
// 创建输出图像
Mat dst;
// 定义结构元素
// 这里我们使用一个3x3的矩形结构元素
Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));
// 应用开运算
morphologyEx(src, dst, MORPH_OPEN, element);
// 显示原始图像和处理后的图像
imshow("Original Image", src);
imshow("Opening Result", dst);
// 等待按键操作
waitKey(0);
return 0;
}
闭运算（Closing）
闭运算是先进行膨胀操作，再进行腐蚀操作的组合操作。它常用于填充小的空洞，并连接图像中的断裂结构。
示例代码：
Mat structureElement = getStructuringElement(MORPH_RECT, Size(5,5), Point(-1,-1));
morphologyEx(src, dst, MORPH_CLOSE, structureElement);#include <opencv2/opencv.hpp>
using namespace cv;
int main() {
// 读取图像
Mat src = imread("C:/Users/Administrator/Desktop/777.jpg", IMREAD_GRAYSCALE); // 假设我们处理的是灰度图像
if (src.empty()) {
std::cerr << "Could not read the image." << std::endl;
return 1;
}
// 创建输出图像
Mat dst;
// 定义结构元素
// 这里我们使用一个3x3的矩形结构元素
Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));
// 应用开运算
morphologyEx(src, dst, MORPH_CLOSE, element);
// 显示原始图像和处理后的图像
imshow("Original Image", src);
imshow("Closing Result", dst);
// 等待按键操作
waitKey(0);
return 0;
}
高级形态学操作
形态学梯度（Morphological Gradient）
形态学梯度是膨胀和腐蚀之间的差异，它常用于检测图像中的边缘和轮廓。
示例代码（使用morphologyEx函数）：
Mat structureElement = getStructuringElement(MORPH_RECT, Size(3,3), Point(-1,-1));
morphologyEx(src, gradient, MORPH_GRADIENT, structureElement);顶帽（Top Hat）
顶帽是原图与开运算结果之间的差值，常用于从图像中提取更精细的细节。
示例代码：
morphologyEx(src, tophat, MORPH_TOPHAT, structureElement);
黑帽（Black Hat）
黑帽是闭运算与原图之间的差值，同样用于从图像中提取更精细的细节，但通常用于分离比邻近点暗的斑块。
示例代码：
morphologyEx(src, blackhat, MORPH_BLACKHAT, structureElement);
结论
OpenCV提供的形态学操作功能强大且灵活，能够处理各种复杂的图像处理任务。通过合理使用腐蚀、膨胀、开运算、闭运算、形态学梯度、顶帽和黑帽等操作，我们可以有效地对图像进行去噪、增强、特征提取等处理。
