目录

• 基本概念
• 开运算示例
• 代码

基本概念

腐蚀和膨胀都是形态学理论中的重要概念，顾名思义，用通俗的话来说：
腐蚀(Erode)：使得目标边界收缩，范围减小。
膨胀(Dilate)：使得目标边界扩张，范围增大。

下面以一张二值图像为例，直观地了解腐蚀和膨胀的作用（3×3的核）。

1.腐蚀效果：

2.膨胀效果：

多数情况腐蚀和膨胀不会单独使用，都是组合着使用，这就涉及到开运算和闭运算。
开运算：先腐蚀再膨胀。
闭运算：先膨胀再腐蚀。

下面以两张二值图像为例，直观地了解开运算和闭运算的作用（3×3的核）。

3.开运算效果：
从下图可以看到，开运算可以去除目标上突起的毛刺和连接的窄桥。

4.闭运算效果：
从下图可以看到，闭运算可以去除目标内的孔洞，填补沟壑。

实际上，形态学中还有很多其他的组合方式，例如：将膨胀之后的目标与原目标进行一个减运算，便可以得到目标的轮廓信息。

开运算示例

下图是一个集装箱扭锁的照片，由于扭锁上有一个拉杆，在对其进行识别时可能会导致不必要的麻烦，因此要想办法去掉。拉杆对于扭锁主体相当于突起的毛刺，考虑用前述的开运算方法进行去除。

首先对其进行一个二值化处理，使得目标变化更加直观。

对目标进行腐蚀操作，可以看到拉杆的部分被去除掉了，但是扭锁整体的面积也被缩小了，中间的孔洞也被放大了。

之后再对目标进行膨胀操作，可以看到目标恢复了原来的大小，拉杆被去除掉了，同时主体中的孔洞也被填补了。

为了使得目标轮廓更加光顺，对其进行一个高斯平滑处理。这样，目标的主体区域就被完整地提取出来了，同时也去掉了干扰部分。

代码

#include <opencv2\opencv.hpp>

using namespace cv;

void trackbarCallback(int, void*);
void creatTrackbar();

Mat srcImage, grayImage, binaryImage, dilateImage, erodeImage, dstImage;

initial parameter
int lowThreshold = 0;
int highThreshold = 125;
int dilatePara = 2;
int erodePara = 4;
int blurPara = 9;
int maxThreshold = 254;
int maxPara = 10;
/

int main()
{ 
	srcImage = imread("01.jpg");//input source image
	imshow("srcImage", srcImage);

	cvtColor(srcImage, grayImage, CV_BGR2GRAY);//convert to gray image
	imshow("Grat", grayImage);

	trackbarCallback(1, 0);//callback function of trackbar
	creatTrackbar();//creat a trackbar

	waitKey(0);
	return 0;
}

void trackbarCallback(int, void*)
{ 
	Mat tempBinaryImage1, tempBinaryImage2;
	Mat dilateElement = getStructuringElement(0, Size(2 * dilatePara + 1, 2 * dilatePara + 1), Point(dilatePara, dilatePara));
	Mat erodeElement = getStructuringElement(0, Size(2 * erodePara + 1, 2 * erodePara + 1), Point(erodePara, erodePara));

	//double threshold binary processing
	threshold(grayImage, tempBinaryImage1, lowThreshold, maxThreshold, THRESH_BINARY);
	threshold(grayImage, tempBinaryImage2, highThreshold, maxThreshold, THRESH_BINARY_INV);
	bitwise_xor(tempBinaryImage1, tempBinaryImage2, binaryImage);
	imshow("Binary", binaryImage);

	dilate(binaryImage, dilateImage, dilateElement);//dilate processing
	imshow("Dilate", dilateImage);

	erode(dilateImage, erodeImage, erodeElement);//erode processing
	imshow("Erode", erodeImage);

	blur(erodeImage, dstImage, Size(blurPara, blurPara));//smoothing processing
	imshow("dstImage", dstImage);	
}

void creatTrackbar()
{ 
	namedWindow("Parameter", 0);
	createTrackbar("Low threshold", "Parameter", &lowThreshold, maxThreshold, trackbarCallback);
	createTrackbar("High threshold", "Parameter", &highThreshold, maxThreshold, trackbarCallback);
	createTrackbar("Dilate times", "Parameter", &dilatePara, maxPara, trackbarCallback);
	createTrackbar("Erode times", "Parameter", &erodePara, maxPara, trackbarCallback);
	createTrackbar("Blur times", "Parameter", &blurPara, maxPara, trackbarCallback);
}

ps:1.细心的人会发现代码中是闭运算的顺序，而实际效果是开运算（对于黑色部分），原因是opencv中默认的形态学处理是对于白色高亮部分而言的，所以处理黑色部分要反过来；
2.博主在代码中加入了一个控制台，可以通过滑动条来调整各个处理过程的参数。

如有错误，欢迎指正！