第五章 使用形态学滤波对图像进行开闭运算

知识点：
1.闭运算：对图像先膨胀，再腐蚀。 白色前景物体中的小洞被填充；将误分割成碎片的物体重新连接
2.开运算：对图像先腐蚀，再膨胀 。 移除场景中比较小的物体；图像早点引起的（Blob）
以上都在视频序列中很有帮助，若将二值图像相继进行闭、开运算，获得的图像只显示场景中的主要物体。若有限处理噪点可先进行开运算再闭运算，但可能去除一些分散的物体。
3.

void morphologyEx( InputArray src, OutputArray dst, int op, InputArray kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar& borderValue = morphologyDefaultBorderValue() ); 

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像位深应该为以下五种之一：CV_8U, CV_16U, CV_16S, CV_32F 或CV_64F。
第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。
第三个参数，int类型的op，表示形态学运算的类型，可以是如下之一的标识符：
MORPH_OPEN – 开运算（Opening operation）
MORPH_CLOSE – 闭运算（Closing operation）
MORPH_GRADIENT - 形态学梯度（Morphological gradient）
MORPH_TOPHAT - “顶帽”（“Top hat”）
MORPH_BLACKHAT - “黑帽”（“Black hat“）
第四个参数，InputArray类型的kernel，形态学运算的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。关于getStructuringElement我们上篇文章中讲过了，这里为了大家参阅方便，再写一遍：
其中，getStructuringElement函数的第一个参数表示内核的形状，我们可以选择如下三种形状之一 :
矩形: MORPH_RECT
交叉形 : MORPH_CROSS
椭圆形 : MORPH_ELLIPSE
而getStructuringElement函数的第二和第三个参数分别是内核的尺寸以及锚点的位置。
我们一般在调用erode以及dilate函数之前，先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。对于锚点的位置，有默认值Point(-1, -1)，表示锚点位于中心。且需要注意，十字形的element形状唯一依赖于锚点的位置。而在其他情况下，锚点只是影响了形态学运算结果的偏移。
第五个参数，Point类型的anchor，锚的位置，其有默认值（ - 1， - 1），表示锚位于中心。
第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1。
第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_ CONSTANT。
第八个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释

main：

#include <opencv2/core/core.hpp>#include <opencv2/imgproc/imgproc.hpp>#include <opencv2/highgui/highgui.hpp>cv::Mat resrve(cv::Mat src);//二值化图像取反int main(){    // Read input image    cv::Mat image = cv::imread("D:/1.jpg", 0);    if (!image.data)        return 0;    // Display the image    cv::namedWindow("Image");    cv::imshow("Image", image);    //二值化    cv::Mat thresholded, result;    cv::threshold(image, thresholded, 110, 255, cv::THRESH_BINARY);    cv::namedWindow("thresholded");    cv::imshow("thresholded", thresholded);    ///图片的补（图像求反）    cv::Mat image2;    image2 = resrve(thresholded);    cv::namedWindow("resrved");    cv::imshow("resrved", image2);    //闭运算    cv::Mat elements5(5, 5, CV_8U, cv::Scalar(1));    cv::Mat closed;    cv::morphologyEx(image2, closed, cv::MORPH_CLOSE, elements5);    cv::namedWindow(" Closed Image");    cv::imshow(" Closed Image", closed);    //闭运算    /*// Dilate the image膨胀图像    cv::Mat dilated;    cv::dilate(image2, dilated, cv::Mat());    // Erode the image腐蚀图像    cv::Mat result1;    cv::erode(dilated, result1, cv::Mat());*/    // Display the eroded image    cv::namedWindow("Closed Image2");    cv::imshow("Closed Image2", result1);    cv::waitKey(0);    return 0;}