本周新推：基本形态学运算的图像处理。对二值图像进行腐蚀运算erode()、膨胀运算dilate()。
API函数：
1.dilate()函数
CV_EXPORTS_W void dilate(InputArray src,//输入图像
OutputArray dst, //输出图像
InputArray kernel,//结构元素，用于卷积的内核函数
Point anchor = Point(-1, -1), //默认，锚点位于中心位置
int iterations = 1,//默认，迭代次数
int borderType = BORDER_CONSTANT,//默认
const Scalar& borderValue = morphologyDefaultBorderValue());//默认2.erode()函数
CV_EXPORTS_W void erode(InputArray src,//输入图像
OutputArray dst, //输出图像
InputArray kernel,//结构元素，用于卷积的内核函数
Point anchor = Point(-1, -1), //默认，锚点位于中心位置
int iterations = 1,//默认，迭代次数
int borderType = BORDER_CONSTANT,//默认
const Scalar& borderValue = morphologyDefaultBorderValue());//默认一、c++示例代码
//包含头文件
#include <opencv2/opencv.hpp>
//命名空间
using namespace cv;
using namespace std;
//全局函数声明部分
//主函数
int main()
{
//【1】载入图像,灰度化
Mat image = imread("F:\\opencvtest\\testImage\\faceBinary.jpg", 0);//灰度原图
//【2】检查是否载入成功
if (image.empty())
{
printf("读取图片错误，请确认目录下是否有imread函数指定图片存在！ \n ");
return 0;
}
//【3】阈值化生成二值图像
Mat binaryImage;
threshold(image, binaryImage, 100, 255, THRESH_BINARY);
//【4】获取结构元素
Mat element = getStructuringElement(MORPH_RECT, Size(7, 7));
//【5】腐蚀运算
Mat erodedImage;
erode(binaryImage, erodedImage, element);
//【6】膨胀运算
Mat dilatedImage;
dilate(binaryImage, dilatedImage, element);
//【7】显示图像
imshow("11-二值图像", binaryImage);
imshow("11-腐蚀运算", erodedImage);
imshow("11-膨胀运算", dilatedImage);
//【8】保持窗口显示
waitKey(0);
return 0;
}二、运行截图
1.二值图像原图
2.腐蚀运算，图像白色部分减少一圈！
3.膨胀运算，图像白色部分增大一圈！
三、数字图像处理知识
形态学概述
1. 形态学：通常指生物学中对动植物的形状和结果进行处理的一个分支。
2. 数学形态学(mathematical morphology, MM)：是根据形态学概念发展而来具有严格数学理论基础的科学，并在图像处理和模式识别领域得到了成功应用。除了通常作为一种抽取图像中区域形状特征，如边界、骨骼和凸壳等的工具外，也经常用于图像的预处理和后处理，如：形态学滤波、细化和修剪等。
3. 形态学图像分析的基本步骤
步骤一：提出所要描述的物体几何结构模式，即提取几何结构特征；
步骤二：根据结构模式选择相应的结构元素（简单又有最强的表现力）；
步骤三：用选定的结构元素对图像实行击中与否（HMT）等变换，便得到比原始图像更显著突出物体特征信息的图像。如赋予相应变量，还可得到定量描述；
步骤四：经过形态学变换后的图像突出我们所需的信息，从而可以方便提取信息。
4. 结构元素选取的原则
在形态学算法设计中，结构元素的选择十分重要，其形状、尺寸的选择是能否有效提取信息的关键。
a.结构元必须在几何上比原图像简单，且有界；当选择性质相同或相似的结构元时，以选择极限情况为宜；
b.结构元的凸性很重要，对非凸子集，由于连接两点的线段大部分位于集合的外面，故用非凸子集作为结构元将得不到什么信息。
5. 形态学图像分析的优点
a.在恢复处理中，形态滤波可借助先验的几何特征信息，利用形态学算子有效滤除噪声，又可保留图像的原有信息；
b.MM算法易于用并行处理方法有效实现，且硬件实现容易；
c.基于MM的边缘信息提取由于基于微分的提取算法，也不像微分算法对噪声那样敏感，同时提取的边缘较光滑；
d.基于MM方法提取的图像骨架较连续，断点少。
6. 对二值图像膨胀步骤
⑴ 用结构元素B的反射，扫描图像A的每一个像素；
⑵ 用结构元素的反射与其覆盖的二值图像做“或”操作；
⑶ 如果有一个元素为0，结果图像的该像素为0；否则为255
膨胀处理的结果是使原来的二值图像白色部分增大一圈。
7. 对二值图像腐蚀步骤
⑴ 用结构元素B，扫描图像A的每一个像素；
⑵ 用结构元素与其覆盖的二值图像做“与”操作；
⑶ 如果都为1，结果图像的该像素为1，否则为0；