圖像形態學一般用於閾值化后的二值圖像，其實也可以用於灰度圖像的處理，這篇文章主要對灰度中的應用做分析。
1.膨脹與腐蝕
函數
void cvErode( const CvArr* src, CvArr* dst, IplConvKernel* element=NULL, int iterations=1 );//腐蝕函數
void cvDilate( const CvArr* src, CvArr* dst, IplConvKernel* element=NULL, int iterations=1 );//膨脹函數
函數解釋可以參考：opencv論壇，關於里面的結構IplConvKernel可以參考：http://blog.csdn.net/babbxazzg/article/details/5976177
腐蝕操作要計算核區域內像素的最小值。膨脹操作要計算核區域內的像素最大值。具體的函數表達：
如果在二值圖像中進行表達，那么就是按核進行擴展，在二值圖像中，膨脹可以填充小的凹陷，鏈接一些相近的部件，腐蝕可以去除一些小的斑點。
2.IplConvKernel結構
結構
typedef struct _IplConvKernel
{
int nCols;
int nRows;
int anchorX;
int anchorY;
int *values;
int nShiftR;
}
IplConvKernel;
在這里，對其中的變量定義做一簡單的描述：
nCols，nRows：結構元素的行寬與列高；
anchorX，anchorY：結構元素原點（錨點）的位置坐標，水平，垂直；
nShiftR：用於表示結構元素的形狀類型，有如下幾個值：
#define CV_SHAPE_RECT 0
#define CV_SHAPE_CROSS 1
#define CV_SHAPE_ELLIPSE 2
#define CV_SHAPE_CUSTOM 100
分別表示矩形，十字，橢圓和自定義。
values：當nShiftR為自定義時，value是指向結構元素數據的指針，如果結構元素的大小定義為8*6，那么values為48長的int數組，值為0或1。
操作函數：
結構IplConvKernel* cvCreateStructuringElementEx( int cols, int rows, int anchor_x, int anchor_y,
int shape, int* values=NULL );//創建
void cvReleaseStructuringElement( IplConvKernel** element );//釋放
以前做過一個點識別的程序，就是用這個實現的，代碼圖片如下：
形態學灰度操作實例
#include "stdafx.h"
#include "cv.h"
#include "cxcore.h"
#include "highgui.h"
#include "math.h"
int _tmain(int argc, _TCHAR* argv[])
{
cvNamedWindow("src");
cvNamedWindow("dst");
cvNamedWindow("thresh");
IplImage *img=cvLoadImage("2.bmp");
IplImage *img2 = cvCreateImage(cvSize(img->width,img->height),IPL_DEPTH_8U,1);
IplImage *img3 = cvCreateImage(cvSize(img->width,img->height),IPL_DEPTH_8U,1);
cvCvtColor(img,img2,CV_BGR2GRAY);
cvShowImage("src",img2);
IplConvKernel* t = cvCreateStructuringElementEx(11, 11, 6,6,CV_SHAPE_ELLIPSE);
cvDilate(img2,img3,t);
cvReleaseStructuringElement( &t );
cvSaveImage("dst.jpg",img3);
cvShowImage("dst",img3);
cvThreshold(img3,img2,60,255,CV_THRESH_BINARY);
cvShowImage("thresh",img2);
cvWaitKey();
cvDestroyWindow("thresh");
cvDestroyWindow("dst");
cvDestroyWindow("src");
return 0;
}
操作的圖片：
原圖 形態學操作后 閾值
上面雖然不是一個很好的例子，但是在一定程度上說明形態學灰度的效果。
3. cvMorphologyEx
opencv中實現開運算、閉運算、形態梯度、tophat,baackhat的函數是cvMorphologyEx（）；具體使用方法：
cvMorphologyEx
void cvMorphologyEx( const CvArr* src, CvArr* dst, CvArr* temp,
IplConvKernel* element, int operation, int iterations=1 );
src
輸入圖像.
dst
輸出圖像.
temp
臨時圖像，某些情況下需要
element
結構元素
operation
形態操作的類型:
CV_MOP_OPEN - 開運算
CV_MOP_CLOSE - 閉運算
CV_MOP_GRADIENT - 形態梯度
CV_MOP_TOPHAT - "頂帽"
CV_MOP_BLACKHAT - "黑帽"
iterations
膨脹和腐蝕次數.
函數 cvMorphologyEx 在膨脹和腐蝕基本操作的基礎上，完成一些高級的形態變換：
開運算
dst=open(src,element)=dilate(erode(src,element),element)
閉運算
dst=close(src,element)=erode(dilate(src,element),element)
形態梯度
dst=morph_grad(src,element)=dilate(src,element)-erode(src,element)
"頂帽"
dst=tophat(src,element)=src-open(src,element)
"黑帽"
dst=blackhat(src,element)=close(src,element)-src
臨時圖像 temp 在形態梯度以及對“頂帽”和“黑帽”操作時的 in-place 模式下需要。
有人說，這個函數使用非對稱結構的時候會造成偏移，其實即使使用opencv其他函數實現也會造成偏移，原理使其然，並不阻礙我們使用。
需要說明的是，最后一個參數，例如閉運算，iterations=2的時候，並不是說分別執行2次閉運算，也就是dilate—>erode-->dilate—>erode,實際的情況是dilate—>dilate-->erode—>erode。
（1）開運算，必運算
開運算是先腐蝕，再膨脹，用來消除小物體、在纖細點處分離物體、平滑較大物體的邊界的同時並不明顯改變其面積。
閉運算是先膨脹，在腐蝕，用來填充物體內細小空洞、連接鄰近物體、平滑其邊界的同時並不明顯改變其面積。
就用《learning opencv》上的圖說明吧：
開運算 閉運算
下圖為例，演示通過開運算和閉運算消除噪聲，突出需要的物體，原圖以及經過二值化以后的圖像如下：
可以看到二值畫以后的圖像中，區域邊緣有很多毛刺，雖然濾波也可以消除，但是不是很干凈，想我采用的形態學操作辦法，代碼：
形態學操作例子
cvNamedWindow("src");
cvNamedWindow("dst");
IplImage *img=cvLoadImage("12.bmp");
IplImage *img2 = cvCreateImage(cvSize(img->width,img->height),IPL_DEPTH_8U,1);
IplImage *img3 = cvCreateImage(cvSize(img->width,img->height),IPL_DEPTH_8U,1);
cvCvtColor(img,img2,CV_BGR2GRAY);
cvThreshold(img2,img2,60,255,CV_THRESH_BINARY);
cvShowImage("src",img2);
cvSaveImage("src.jpg",img2);
IplConvKernel* t = cvCreateStructuringElementEx(7, 7, 4,4,CV_SHAPE_ELLIPSE);
IplConvKernel* t2 = cvCreateStructuringElementEx(5, 5, 3,3,CV_SHAPE_ELLIPSE);
cvMorphologyEx(img2,img3,NULL,t2,CV_MOP_OPEN);
cvMorphologyEx(img3,img3,NULL,t2,CV_MOP_OPEN);
cvMorphologyEx(img3,img3,NULL,t,CV_MOP_CLOSE);
cvMorphologyEx(img3,img3,NULL,t,CV_MOP_CLOSE);
cvReleaseStructuringElement( &t );
cvReleaseStructuringElement( &t2 );
cvSaveImage("dst.jpg",img3);
cvShowImage("dst",img3);
cvWaitKey();
cvDestroyWindow("dst");
cvDestroyWindow("src");
return 0;
即先進性2次開運算，擴大邊緣的噪聲，在使用閉運算，連接邊緣的毛刺，開運算和閉運算的結果如下：
經過開運算，閉運算后，邊緣平滑很多，這並不是一個很好的例子，手邊剛好有這么一張圖片，就一次來說明問題而已
剩下 的明天再說吧
