图像处理总结4
灰度形态学
之前说过：
形态学起源于法国巴黎高等矿业学院，因为人家是搞地质的。
可见一斑，形态学的精要就是在于将图像看作是等高线组成的地形图，他的基本操作就是动土，平高填低等等。
之前的二值形态学针对的是二值图片，在地形上，就像是现代的建筑，拔地而起没有一定的梯度。
而这篇是针对灰度图片的形态学，这时的图片就更像自然界的地貌，像山川，像河谷。
基本操作
基本操作也是腐蚀和膨胀。
Dilation（膨胀）：
先看公式：
同样有两种算法。
1）平移
对原图先加上SE对应部分的值，再向SE对应的位置平移，然后取最大值。
比如，现在有一个一维的SE: [1,2,3], 中心点定为第一个点，就是“1”。
那么首先对应于“1”，则是原图位置不变加1.
对于“2”，原图灰度值加2，向右平移一位。
对于“3”，原图灰度值加3，向右平移两位。
最后将三张图重合，并在原图区域取最大值，作为结果图。
2）盖章
SE在原图上滑动，每个滑动的位置，SE与原图相加，中心点取SE范围内最大值作为结果。
这个程序上好实现。
直观上，就是原图亮的地方会更亮（整体亮度增加），且范围扩大。
Erosion（腐蚀）：
公式：
与膨胀不同的就是与SE相减，取最小值。
直观上就是，暗的地方会更暗（整体亮度减小）
Open（开）：
先腐蚀后膨胀。
直观上就是消除了原图上比SE小的亮处。
Close（闭）：
先膨胀后腐蚀。
直观上与Open相反，消除了暗处。
组合算法
TopHat Transform:
高帽变换分为白色高帽变换和黑色高帽变换。
白色是指将灰度Close过的图和原图相减。
黑色是指将原图与灰度Open过的图相减。
总之就是留下了灰度形态学操作突出的部分。
Grayscale Reconstruction:
灰度重建分为OBR和CBR。
一个是针对Open后的图片重建。
一个是针对Close后的图片重建。
重建算法就是不断膨胀，但每次膨胀后与原图比较，将灰度值高于原图处的点置为原图的灰度值。
意思就是不能超过原图的灰度值。重复膨胀直到稳定。
类似二值里面的Conditional Dilation
梯度：
灰度形态学也有梯度，和二值里面的相同。
Code
这里的算法都可以在我的GitHub里的项目里找到
包括灰度形态学基本操作（D，E，O，C），以及部分组合算法。
该项目是一个包括阈值分割、卷积滤波、形态学和灰度形态学的数字图像处理算法集合
用法见readme文件。
且带有GUI，有很好的演示效果
觉得可以别忘了star哦
来源：CSDN
作者：___迦叶
链接：https://blog.csdn.net/weixin_42730997/article/details/103654371