本文主要是介绍一、图像处理--形态学，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1、什么是图像的形态学
图像处理中的形态学，往往指的是数学形态学（区别于生物学中研究动植物的形态和结构）。
数学形态学（Mathematical morphology）是一门建立在格论和拓朴学基础上的图像分析学科，是数学形态学图像处理的基本理论。其基本的运算包括：二值腐蚀和膨胀、二值开闭运算，骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等等。
简单来讲，形态学操作就是基于形状的一系列图像处理操作。最基本的形态学操作有两种，分别是：膨胀（dilate）与腐蚀（erode）。
2、膨胀和腐蚀有什么功能
消除噪声；
分割（isolate）出独立的图像元素，在图像中连接（join）相邻的元素；
寻找图像中的明显的极大值区域或极小值区域；
求出图像的梯度。
3、注意——腐蚀和膨胀是对图像中的高亮部分（如白色部分）而言的。
膨胀是图像中的高亮部分进行膨胀，类似于“领域扩张”，效果图拥有比原图更大的高亮区域；
腐蚀是图中的高亮部分被腐蚀，类似于“领域被蚕食”，效果图拥有比原图更小的高亮区域。
4、简述膨胀操作的原理
5、简述腐蚀操作的原理
6、基于膨胀和腐蚀的高级形态学变换
开运算（Opening Operation）—— 先腐蚀后膨胀。可用来消除小物体，在纤细处分离物体，并且在平滑较大物体的边界的同时不明显改变其面积。
闭运算（Closing Operation）—— 先膨胀后腐蚀。可用来排除小型黑洞（黑色区域）。
形态学梯度（Morphological Gradient）——是膨胀图与腐蚀图之差。对二值图像进行这一操作可以将团块（blob）的边缘突出出来，可以用这一处理来保留物体的边缘轮廓
顶帽（Top Hat）—— 又称为“礼帽”运算，是原图像与其“开运算”的结果图之差。因为开运算带来的结果是放大了裂缝或者局部低亮度的区域。因此，从原图中减去开运算后
的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域，且这一操作与选择的核的大小相关。顶帽运算往往用来分离比邻近点亮一些的斑
块，在一幅图像具有大幅的背景而微小物品比较有规律的情况下，可以使用顶帽运算进行背景提取。
黑帽（Black Hat）—— 是闭运算的结果图与原图像之差，黑帽运算后的效果图突出了比原图像轮廓周围的区域更暗的区域，且这一操作和选择的核的大小有关。所以，黑帽
运算用来分离比临近点暗一些的斑块，效果图有非常完美的轮廓。
这篇关于一、图像处理--形态学的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
