形态学操作
（1）开操作：先腐蚀后膨胀，可以去掉小的对象。
（2）闭操作：先膨胀后腐蚀，可以填充小对象。
（3）形态学梯度：膨胀减去腐蚀。
（4）顶帽：顶帽是原图像与开操作图像之间的差值图像。
（5）黑帽：黑帽是闭操作图像与原图像之间的差值图像。
这几个形态学操作都是基于腐蚀和膨胀的
- 腐蚀：锚点替换为最小值；黑色增加白色减少
- 膨胀：锚点替换为最大值；白色增加黑色减少
开操作
开操作即为先腐蚀后膨胀。
我们以单通道的黑白图像为例讲解，也就是我们先通过腐蚀操作，将黑色区域腐蚀扩大，再通过膨胀操作，将白色区域膨胀扩大。
如果我有一个小白点，先通过腐蚀操作，就会被周围的黑色覆盖掉，再进行膨胀操作，因为小白点已经没有了，进行膨胀操作，也不会影响到周围的黑色，所以，开操作，可以去掉小白点。
也就是合适的开操作，可以去掉小的对象。
在二值图中，表现为去掉白色的小点或填充黑点
闭操作
闭操作即为先膨胀后腐蚀。
我们以单通道的黑白图像为例讲解，也就是我们先通过膨胀操作，白色区域膨胀扩大，再通过腐蚀操作，黑色区域腐蚀扩大。
如果我有一个小黑点，先通过膨胀操作，就会被周围的白色覆盖掉，再进行腐蚀操作，因为小黑点已经没有了，进行腐蚀操作，也不会影响到周围的白色，所以，闭操作，可以去掉小黑点。
也就是合适的闭操作，可以去掉小的对象。
在二值图中，表现为去掉黑色的小点或填充白点
形态学梯度
形态学梯度即为膨胀减去腐蚀。
我们以一个二维数组为例来讲解。对于下面左边的图像
进行膨胀之后的操作结果如下
而进行腐蚀操作如下：
形态学梯度就是膨胀减去腐蚀，如下：
顶帽
顶帽是原图像与开操作图像之间的差值图像。
开操作我们去掉了白色的小对象，其他地方没有变化，进行差值之后变成0，也就是变成黑色
不同的进行差值之后，我们就获得了去掉的白色的区域，然后我们就要考虑这个区域的颜色是什么颜色，因为原图是白色，对应的值是255，进行开操作之后变为黑色，对应的值是0，进行差值之后还是255，也就是还是白色，即原来的颜色。
所以顶帽操作，求到的就是去掉的白色大块的小对象。
黑帽
黑帽是原图像与闭操作图像之间的差值图像。
闭操作我们填充了黑色的小对象，其他地方没有变化，进行差值之后变成255，也就是变成黑色
其他地方进行差值之后，我们就获得了填充的黑色的区域，然后我们就要考虑这个区域的颜色是什么颜色，因为原图是黑色，对应的值是0，进行闭操作之后变为白色，对应的值是255，进行差值之后是255，也就是变成白色。所以顶帽操作，求到的就是去掉的白色的小对象。
顶帽黑帽结论
- 不管是顶帽还是黑帽，我们得到的都是原图像与开/闭操作的差值图像，差值地方是白色，其他地方是黑色。
opencv中形态学操作
核生成API
在形态学中，因为要涉及到区域像素操作，我们就要设计一个核，在核范围内对像素进行操作。所以我们需要创建一个核，在这里，我们用到一个新的API：
getStructuringElement()
Mat getStructuringElement(
int shape,
Size ksize,
Point anchor = Point(-1,-1)
);
（1）int类型的shape，元素形状，可以是cv::MorphShapes之一。
（2）Size类型的ksize，结构化元素的大小。
（3）Point类型的anchor，默认值（-1，-1）,表示锚定位于中心。请注意，只有十字形元素的形状取决于锚定位置。在其他情况下，锚只是调节形态学操作结果的移动量。
这里主要说一下第一个参数，该参数主要有如下几种选择：
-（1）MORPH_RECT：矩形结构区域。
-（2）MORPH_CROSS，十字形结构区域。
-（3）MORPH_ELLIPSE，椭圆结构区域，内接于矩形Rect（0，0，esize.width，0.esize.height）的填充椭圆。
形态学操作
API
void morphologyEx(
InputArray src,
OutputArray dst,
int op,
InputArray kernel,
Point anchor = Point(-1,-1),
int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue = morphologyDefaultBorderValue()
);
（1）InputArray类型的src，输入图像。通道数可以任意，但深度应为CV_8U、CV_16U、CV_16S、CV_32F或CV_64F之一。
（2）OutputArray类型的dst，即目标图像，与输入图像有相同的尺寸和类型。
（3）int类型的op，形态学操作的类型，请参见cv：：MorphTypes
（4）InputArray类型的kernel，用于膨胀的结构元素；如果elemenat=Mat（），则使用3 x 3矩形结构元素。可以使用getStructuringElement创建内核。
（5）Point类型的anchor：锚定在元素中的位置；默认值（-1，-1）表示锚定在元素中心。
（6）int类型的iterations：应用膨胀的次数。
（7）int类型的borderType：像素外推方法，参见cv：：BorderTypes。
（8）Scalar类型的borderValue：恒定边框时的边框值。
相比较膨胀和腐蚀，只是增加了第三个参数，其他参数是完全一致的，第三个参数是操作，即所有的形态学操作。主要有：
enum MorphTypes{
MORPH_ERODE = 0, //腐蚀
MORPH_DILATE = 1, //膨胀
MORPH_OPEN = 2, //开操作
MORPH_CLOSE = 3, //闭操作
MORPH_GRADIENT = 4, //梯度操作
MORPH_TOPHAT = 5, //顶帽操作
MORPH_BLACKHAT = 6, //黑帽操作
};
前两个是我们之前讲过的膨胀和腐蚀，剩下的就是我们今天讲的五个形态学操作。
而我们的API，一般来说，我们只需要设置前四个参数，后面的参数默认即可。
代码
#include<opencv2\opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main()
{
Mat src, dst;
src = imread("ur path of pic");
if (!src.data)
{
cout << "could not load image !";
return -1;
}
imshow("src", src);
Mat kernel = getStructuringElement(MORPH_RECT, Size(7, 7), Point(-1, -1));
//开操作
morphologyEx(src, dst, CV_MOP_OPEN, kernel);
imshow("open-src", dst);
//闭操作
morphologyEx(src, dst, CV_MOP_CLOSE, kernel);
imshow("close-src", dst);
//形态学梯度
morphologyEx(src, dst, CV_MOP_GRADIENT, kernel);
imshow("gradient-src", dst);
//顶帽
morphologyEx(src, dst, CV_MOP_TOPHAT, kernel);
imshow("tophat-src", dst);
//黑帽
morphologyEx(src, dst, CV_MOP_BLACKHAT, kernel);
imshow("blackhat-src", dst);
waitKey(0);
return 0;
}
效果
原图
开操作
闭操作
形态学梯度
顶帽
黑帽
