【数字图像处理】形态学转换

基础概念

图像形态学转换是数字图像处理中应用最为广泛的技术之一。传统图像处理方法一般直接在图像空间域中进行，或者在图像的变换域进行，如傅里叶空间，在变换域处理完之后，变换为原空间。而形态学处理是从集合的角度来刻画和分析图像。根据图像的像素值不同又可以分为二值图像形态学运算和灰度图像形态学运算。基本形态学运算包括腐蚀，膨胀，开和闭，在二值图像和灰度图像中这些操作各有特点。图像形态学可以用来解决滤除噪声，特征提取，边缘检测，图像分割，形态骨架提取等图像处理问题。

二值图像形态学运算：

膨胀：把图像周围背景点合并到物体中，如果两个物体比较近如果两个物体之间距离较近，那么膨胀运算可能会使这两个物体连通在一起，所以膨胀对填补图像分割后物体中的空洞很有用。

腐蚀：腐蚀的作用是消除物体边界点，它可以把小于结构元素的点去除，如果两个物体之间有细小的连通，当结构元素的选取足够大时，通过腐蚀可以将两个物体分开。

开运算：先腐蚀，再膨胀，开运算具有消除细小物体，在纤细处分离物体和平滑较大物体边界的作用。

闭运算：先膨胀，再腐蚀，闭运算具有填充物体内细小空洞，连接临近物体和平滑边界的作用。、

灰度图像形态学运算：

膨胀：灰度图像膨胀采用极大运算，提升图像的整体亮度，增强图像的亮细节，消除暗细节。

腐蚀：灰度图像腐蚀采用极小运算，图像的整体亮度变暗，增强图像的暗细节，削弱了亮细节。

开运算：滤出了较小的明亮细节

闭运算：滤除了较暗的细节部分

在opencv中，膨胀和腐蚀可以用cv2.dilate, cv2.erode；开闭运算, 礼帽(tophat) 黑帽(blackhat)和形态学梯度可以用cv2.morphologyEx()

实际应用