机器视觉技术与应用实战（Chapter Two-04）

2.6 图像形态学及常见的图像处理工具

图像形态学：是分析几何形状和结构的数字方法，是建立在集合代数的基础上用集合论方法定量描述几何结构的学科。基本的图像形态学算法有：腐蚀（Erode）、膨胀（Dilate）、开（Open）、闭（Close）、细化（Thinning）。（最好要记下这几个单词，图像处理时常以英文形式出现）

接下来就了解一下这些算法，它们的处理对象一般是二值图像，二值图像里面，白色为1，黑色为0。

我们先不直接讲，先看几张图，会有深刻的印象的，嘻嘻~

就拿这个“人”字了。

原图（有水印，请直接忽略）：

开启神器visionpro，用一个CogIPOneimage工具进行简单的膨胀和腐蚀。

为了体现效果，我没用3X3的结构元素，不过这个不重要，我们直接看结果：

腐蚀：膨胀：

看到这里，你可能觉得，哦，腐蚀就是缩小嘛，膨胀就是变大嘛，撒撒水啦~

我想让你再看一组图片

原图（背景白色，为了效果，截图我截大了一些）：

腐蚀：膨胀:

我们就直接说区别吧，同一个工具在两张灰度反转的图像似乎会因为灰度（亮度）的不同，展示出不同的效果，下面我们就开始研究腐蚀和膨胀，它们的原理就是和图像的灰度有关哦！

对了，这两张图片我是用matlab进行反转的，代码如下：

I=imread('02.png');
J=imadjust(I,[0,1],[1,0]);
imwrite(J,'image2.jpg');

我还是想强调一下：不要直接用matlab里面的保存图片，这样会导致图片这样（分辨率不对）：

用imwrite保存的图像是和原来一致的：

---------------------------------------------------------------------------------------------------------------------------------

腐蚀和膨胀

腐蚀和膨胀在中文词义上就是相反的，其实在这里也是的哦。腐蚀是减少图像中目标边界的像素，膨胀是在增加图像中目标边界周围像素。

在腐蚀和膨胀的处理过程中，需要一个结构元素（也叫内核）对图像进行处理，结构元素是一个由0或1值组成的矩阵，每一个结构元素有一个原点（也叫锚点），结构元素中的原点指定待处理像素的位置，结构元素形状可以是任意形状。注意了，这个结构元素的定义非常重要。

腐蚀处理流程：进行腐蚀操作时，将结构元素划过图像,将结构元素覆盖区域的最小灰度值提取，并代替原点位置的灰度值。

膨胀处理流程：进行腐蚀操作时，将结构元素划过图像,将结构元素覆盖区域的最大灰度值提取，并代替原点位置的灰度值。

举个膨胀和腐蚀的栗子：

我的结构元素是这个（一般设中心为原点，如果有其他情况，具体情况具体分析），深蓝色部分为1，其他颜色为0：

处理图像是这个：

结构元素就是这么划的，原点一行行遍历这张图像，将结构元素覆盖区域的最大灰度值提取，并代替原点位置的灰度值：

最后得到的膨胀后的图像是这样的，绿色部分为膨胀增加的部分像素点：

同理可以获得腐蚀后的图像，绿色部分为腐蚀缩小的像素点：

原理其实非常简单理解，如果你还没理解，我的建议是不妨再看一遍结构元素的定义和处理流程，然后在纸上手动模拟一遍。腐蚀和膨胀的处理过程是一样的 ，主要区别在于灰度值取大小区别。

哟西，我们可以回到最初的起点了，为什么会出现之前“人”字那种不同效果的情况呢？

答案就非常明确了，膨胀是取的最大灰度值的点，也就是亮点，腐蚀是取的最小灰度值的点，也就是暗点！腐蚀对于亮图部分是缩小的，膨胀对于亮图的部分是放大的，友友们可以去看看那几张“人”字。

最后就是腐蚀和膨胀的作用了。

腐蚀的作用是：缩小处理，减少区域像素，边缘连接断开。

膨胀的作用是：扩大处理，增加区域像素，建立边缘连接。

最后，任何事情的最佳理解是建立在实践后的基础上的，我们可能耳熟能详的说出腐蚀和膨胀，意味着缩小和扩大，但我们需要思考在什么情况下会有什么情况出现，涉及了什么处理流程等等。

最后的最后，发展是前进上升的运动，我们一直在前进的路上，互相勉励！欢迎各位佬对文章的错误进行指点和批评！