图像形态学腐蚀和膨胀初步认识

Myth丶恋晨 2022-03-27 07:38 265阅读 0赞

今天开会听到了一些不太懂的名词，所以查了一些资料来做一个笔记。

## 图像处理中的形态学 ##

图像处理中的形态学基本上指的是数学形态学，是图像处理的基本理论，基本运算包括：二值腐蚀和膨胀，二值开闭运算等，

老样子，我还是实在受不了总是遇到的腐蚀和膨胀这类的名词了，所以下决心查一下这到底是怎么个回事。

膨胀和腐蚀是最基本的形态学操作，可以实现多种多样的功能：

⊙消除噪声

⊙分割出独立的图像元素，在图像中连接相邻的元素。

⊙寻找图像中的明显的极大值区域或极小值区域

⊙求出图像的梯度

在进行腐蚀和膨胀的讲解之前，首先需要注意： 腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。 膨胀就是图像中的高亮部分进行膨胀，“邻域扩张”，效果图拥有比原图更大的高亮区域。腐蚀就是原图中高亮部分被腐蚀，“邻域被蚕食”，效果图拥有比原图更小的高亮区域。

# #

其实，膨胀就是求局部最大值的操作。

按数学方面来说，膨胀或者腐蚀操作就是将图像（或图像的一部分区域，我们称之为A）与核（我们称之为B）进行卷积。

核可以是任何的形状和大小，它拥有一个单独定义出来的参考点，我们称其为锚点（anchorpoint）。多数情况下，核是一个小的中间带有参考点和实心正方形或者圆盘，其实，我们可以把核视为模板或者掩码。

而膨胀就是求局部最大值的操作，核B与图形卷积，即计算核B覆盖的区域的像素点的最大值，并把这个最大值赋值给参考点指定的像素。这样就会使图像中的高亮区域逐渐增长。如下图所示，这就是膨胀操作的初衷

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2tjaG9pc2UwMzA_size_16_color_FFFFFF_t_70][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2tjaG9pc2UwMzA_size_16_color_FFFFFF_t_70 1][]

腐蚀就是求局部最小值操作

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2tjaG9pc2UwMzA_size_16_color_FFFFFF_t_70 2][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2tjaG9pc2UwMzA_size_16_color_FFFFFF_t_70 3][]

本文参考的链接地址：[https://www.cnblogs.com/wyuzl/p/6262714.html][https_www.cnblogs.com_wyuzl_p_6262714.html]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2tjaG9pc2UwMzA_size_16_color_FFFFFF_t_70]: /images/20220327/6f02ee1048db470fb21888774655663d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2tjaG9pc2UwMzA_size_16_color_FFFFFF_t_70 1]: /images/20220327/bd67dc39d8144b6e9f95e8ecac693861.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2tjaG9pc2UwMzA_size_16_color_FFFFFF_t_70 2]: /images/20220327/7b171ddba2514fa0a2e2186c22a32c2a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2tjaG9pc2UwMzA_size_16_color_FFFFFF_t_70 3]: /images/20220327/a1130228528e4d00a65a4464650aa538.png
[https_www.cnblogs.com_wyuzl_p_6262714.html]: https://www.cnblogs.com/wyuzl/p/6262714.html