图像形态学轮廓处理&人脸边缘轮廓提取（下巴、嘴唇）

形态学轮廓提取

1. 流程分析
   
   原图像imgA：
   
   噪声滤除图像imgB:
   
   腐蚀处理图像imgC:
   
   相减操作图像imgD:
   
   二值化处理结果imgE：
   

2. 原理分析：
   2.1膨胀：求像素的局部最大值
   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）进行如下卷积操作:
   
   2.2腐蚀：求像素的局部最小值
   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）进行如下卷积操作:
   
   （膨胀腐蚀原理详细可参见博客：http://blog.sina.com.cn/s/blog_6f57a7150100ooin.html 非常感谢博主的分享。）
   2.3噪声滤除：
   开运算： A∘ B=(A⊝B)⊕B
   闭运算： A·B=(A⊕B)⊝B
   噪声滤除： {[(A⊝B)⊕B]⊕B}⊝B=（A∘ B）·B
   
   在上图中，（a）是原图像，外部有噪声块，内部有噪声孔，（b）为结构元素，尺寸大于所有噪声块和噪声孔，（c）是用（b）去腐蚀（a）的结果，可见，外部的噪声块被去除；之后用（b）去膨胀(c)两次，得到（e）,此时已经去除了内部的噪声孔，在进行一次腐蚀操作，得到和原图一样大小的去噪图像(f)。

3. 实验对比：
   3.1图像格式对比：
   参数设置：不进行噪声滤除，腐蚀2次，十字核，尺寸3*3
   二值图像;
   
   灰度图像：
   
   RGB图像：
   

   3.2核样式对比：
   参数设置：RGB图像，不进行”噪声滤除”，腐蚀1次，尺寸5*5，二值化阈值100.
   

   3.3核尺寸对比：
   参数设置：RGB图像，不进行”噪声滤除”，十字型核样式，腐蚀1次，二值化阈值100
   

   3.4腐蚀次数对比：
   参数设置：RGB图像，不进行”噪声滤除”，十字型核样式，尺寸5*5，二值化阈值100
   

   3.5噪声滤除强度对比：
   参数设置： RGB图像，十字型，腐蚀1次，核样式，尺寸5*5，二值化阈值100
   

   3.6对比分析：
   图像格式：RGB格式提取轮廓效果较好，灰度和二值图像信息相对有限。
   核样式：十字型效果最佳，矩形和圆形容易造成噪点。
   核尺寸：尺寸过小，轮廓提取不完整；尺寸过大，容易出现噪点。
   腐蚀次数：腐蚀次数过小，轮廓提取不完整；次数过多，容易出现噪点，且轮廓边缘强度过大。
   噪声滤除：影响把图像轮廓深度信息提取。（标红区域）

4. 代码：

morphology.h

#pragma once
#include "stdafx.h"
#include "opencv2/highgui/highgui.hpp"
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;

Mat getKernelMatrix(int shape, Size ksize);//内核矩阵生成
void erodeFun(Mat &src, Mat &dst, Mat kernel, int iterations);//腐蚀操作
void dilateFun(Mat &src, Mat &dst, Mat kernel,