【图像处理】-形态学调整（膨胀、腐蚀、开/闭运算）

形态学调整

膨胀操作

主要针对卷积计算区域内的该像素点的NxM区域的最大值进行膨胀操作；
例如：前景是白色背景经过膨胀后区域会增大

原图片（背景为黑色，前景为白色）如下：

注：
图中我们可以看到，这张图片是一个二值图片（只有黑白），而且还增加了一些毛刺。而且还包含字体中还包含一些小的间隙（缺陷）。

下面我们对这张图片进行膨
胀处理。膨胀是如何处理的呢？对于一个像素点，我们需要先指定对每个像素点膨胀的范围。

这里我们指定范围为33的矩阵，kernel（卷积核核）指定为全为1的33矩阵，卷积计算后，该像素点的值等于以该像素点为中心的3*3范围内的最大值。由于我们是二值图像，所以只要包含周围白的部分，就变为白的。

总结： 只要原图片3 * 3范围内有白的，该像素点就是白的。

腐蚀操作

腐蚀操作和膨胀操作相反，也就是将毛刺消除，判断方法为：在卷积核大小中对图片进行卷积。取图像中（3 * 3）区域内的最小值。由于我们是二值图像，也就是取0（黑色）。

分析： 卷积核变大后，我们发现他已经腐蚀的部分有点多了，字体原来的部分也被清除。

分析： 增加迭代次数后，腐蚀变得更加厉害，所以应该选择合适的迭代次数。

开运算

先腐蚀，后膨胀
我们在上面的膨胀和腐蚀的图片中可以看到，图片大小程度上都受到了损失，字体信息缺失或者变粗等等。如果我们不想更改原有信息，即字体粗细。那么我们可以使用上面的两种运算。

例如:开运算，先对字体进行变细(腐蚀)，在对字体进行变粗（膨胀），整体上字体粗细不会发生变化。毛刺信息在腐蚀的时候就已经消除了，膨胀也不会膨胀出多余信息。

分析： 我们发现大部分毛刺已经消除，而且字体信息也没有发生变化，这也就是我们想要的效果。虽然仍然有一部信息没有被清除，我们只需要调整卷积核的大小就可以实现。

闭运算

先膨胀，后腐蚀

例如闭运算，先对字体进行变粗（膨胀），在对字体进行变细（腐蚀），整体上字体粗细不会发生变化。凹陷信息在膨胀的时候就已经连接了，腐蚀也不会腐蚀出多余信息。