图像形态学处理
一.最基本两个形态学运算----膨胀与腐蚀
啥叫形态学操作
形态学操作其实就是改变物体的形状，比如腐蚀就是”变瘦”，膨胀就是”变胖”，看下图就明白了：
（http://ex2tron.wang/opencv-python-erode-and-dilate/）
经验之谈：形态学操作一般作用于二值化图，来连接相邻的元素或分离成独立的元素。腐蚀和膨胀是针对图片中的白色（即前景）部分！
开/闭运算
先腐蚀后膨胀叫开运算（因为先腐蚀会分开物体，这样容易记住），其作用是：分离物体，消除小区域。
经验之谈：很多人对开闭运算的作用不是很清楚，但看上图↑，不用怕：如果我们的目标物体外面有很多无关的小区域，就用开运算去除掉；如果物体内部有很多小黑洞，就用闭运算填充掉。
为什么有了膨胀腐蚀还要开运算闭运算呢？其实开闭运算最重要的一点就是，可以保持物体原有大小。然后一个是消除物体内部孔洞的另一个是增强物体之间连接点的。
其他形态学操作
- 形态学梯度：膨胀图减去腐蚀图，
dilation - erosion，这样会得到物体的轮廓：
膨胀与腐蚀能够实现以下作用：
1.消除噪声
2.分割出独立的图像元素，在图像中连接相邻的元素
3.寻找图像中的明显的极大值区域或者极小值区域
4.求出图像的梯度
需要注意之处： 腐蚀和膨胀都是对图像的白色部分(高亮部分)而言。膨胀是图像中的高亮部分进行膨胀，类似于领域扩张，效果图拥有比原图更大的高亮区域；腐蚀是原图的高亮部分被腐蚀，类似于领域被蚕食，效果图拥有比原图更小的高亮区域。
从数学的角度来说，膨胀和腐蚀操作就是将图像与核进行卷积，核可以是任意形状和大小的。
膨胀到底是怎么实现的呢？求局部最大值。
原图与核进行卷积，将最大值赋予指定像素，从而使亮者更亮，效果就是亮的区域膨胀了。
再讲腐蚀（Erosion）：
操作与膨胀相反，求局部最小值。
可以理解为，移动结构B（核），如果结构B与结构A的交集完全属于结构A的区域内，则保存该位置点，所有满足条件的点构成结构A被结构B腐蚀的结果。
A被腐蚀后的结果貌似不对，好像应该是这样的：
另一版本：
一、基本概念
结构元素(Structure Element)：
设有两幅图象B，A。若A是被处理的对象，而B是用来处理A的，则称B为结构元素，又被形象地称做刷子。结构元素通常都是一些比较小的图象。
腐蚀(Erosion)：
X用S腐蚀的结果是所有使S平移x后仍在X中的x的集合。换句话说，用S来腐蚀X得到的集合是S完全包括在X中时S的原点位置的集合，用公式表示为：（必须包含）
膨胀(Dilation)：
膨胀可以看做是腐蚀的对偶运算，其定义是：把结构元素B平移a后得到Ba，若Ba击中X，我们记下这个a点。所有满足上述条件的a点组成的集合称做X被B膨胀的结果。 （要相交即可）
开运算(Opening Operation)：
先腐蚀后膨胀称为开运算，即：
闭运算(Closing Operation)：
先膨胀后腐蚀称为闭运算，即：
二、基本原理
腐蚀
如下图所示，X表示原始图像，B表示结构元素，B对X 腐蚀的示意图如下：
（圆被矩形给包含）
对于任意一个在阴影部分的点a，Ba 包含于X，所以X被B腐蚀的结果就是那个阴影部分。阴影部分在X的范围之内，且比X小，就象X被剥掉了一层似的，这就是为什么叫腐蚀的原因。腐蚀在数学形态学运算中的作用是消除物体边界点。
B对X 腐蚀的效果图如下图所示：
膨胀
如下图所示，X表示原始图像，B表示结构元素，B对X 膨胀的示意图如下：
（圆与矩形相交即可）
图中X是被处理的对象，B是结构元素，对于任意一个在阴影部分的点a，Ba击中X，所以X被B膨胀的结果就是那个阴影部分。阴影部分包括X的所有范围，就象X膨胀了一圈似的，这就是为什么叫膨胀的原因。
B对X膨胀的效果图下图所示：
开运算
开运算的效果图如下图所示：
我们可以得到关于开运算的几点结论：
（１）开运算能够除去孤立的小点，毛刺和小桥，而总的位置和形状不便。
（２）开运算是一个基于几何运算的滤波器。
（３）结构元素大小的不同将导致滤波效果的不同。
（４）不同的结构元素的选择导致了不同的分割，即提取出不同的特征。
闭运算
闭运算的效果图如下图所示：
我们也可以得到关于闭运算的几点结论：
（1）闭运算能够填平小湖（即小孔），弥合小裂缝，而总的位置和形状不变。
（2）闭运算是通过填充图像的凹角来滤波图像的。
（3）结构元素大小的不同将导致滤波效果的不同。
（4）不同结构元素的选择导致了不同的分割。
来源：CSDN
作者：依然吧
链接：https://blog.csdn.net/qq_32867925/article/details/104750172