图像处理进阶（一）——图像的腐蚀膨胀

图像的腐蚀膨胀

作者：Cabin_V

作为学习图像处理的学生，需要不断学习相关知识，我在课余时间将一些分析总结和学习的笔记写成博客来记录自己的学习过程，也希望能与大家一起交流。

关于图像处理入门和进阶分类问题，我根据《数字图像处理》这本书（本科期间上课使用），将出现的内容划分为入门，其他常用的知识划分为进阶。

转载务必说明出处！

图像腐蚀与膨胀

OpenCV为进行图像的形态学变换提供了快捷、方便的函数。最基本的形态学操作有两种，分别是：腐蚀（erode）与膨胀（dilate）。

腐蚀算法视频演示

膨胀算法视频演示

区别

腐蚀和膨胀是对白色部分而言的。膨胀是对图像中高亮的部分进行膨胀，处理后的图片高亮区域扩大；而腐蚀是对高亮部分进行腐蚀，处理后的图片高亮区域减少。

膨胀就是求局部最大值的操作。膨胀与膨胀操作就是将图像与核进行卷积。

作用

膨胀与腐蚀配合使用能实现各种各样的功能，主要如下：

• 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

• 寻找图像中明显的极大值区域或极小值区域

• 求出图像梯度

API说明

如果想进一步了解各个参数对图像最终结果的影响，可以跳到文章最下方代码

我们先来看下简单的图像腐蚀膨胀的代码

#include <opencv2/opencv.cpp>
using namespace cv;

int main()
{
	Mat srcImage = imread("1.jpg"