OpenCV C++ 图像形态学处理实战：腐蚀、膨胀及七种高级运算详解

结果或目标：掌握形态学核心操作

形态学处理主要用于提取图像中对分割和描述有意义的区域分量，如边界、轮廓、凸包等。其核心在于使用结构元素（Kernel）与输入图像进行卷积操作。我们将依次实现腐蚀、膨胀及其组合运算，并通过自定义函数理解底层逻辑，最后统一通过标准库函数完成复杂变换。

准备条件

在进行形态学操作前，建议先将图像转换为二值图像（黑白图像），因为形态学操作在二值图像上的视觉效果最为明显且稳定。需要包含 #include <opencv2/opencv.hpp> 命名空间为 cv。常用的结构元素可通过 cv::getStructuringElement 获取，支持矩形（MORPH_RECT）、十字形（MORPH_CROSS）和椭圆形（MORPH_ELLIPSE）。

真实操作顺序

第1步：图像腐蚀（Erosion）

目的：收缩或细化前景物体，常用于去除白色噪声点或断开连接。

原理：用结构元素扫描图像，当结构元素覆盖区域内所有像素均为前景色（白色/高值）时，锚点对应像素保留前景；否则变为背景色（黑色/低值）。简而言之，取局部最小值。

使用内置 erode 函数

入口：直接调用 cv::erode。

// 构造 3x3 矩形结构元素
Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));
// 执行腐蚀，迭代3次以增强效果
Mat image_erosion;
erode(image_bw, image_erosion, element, Point(-1, -1), 3);
imshow("image_erosion", image_erosion);

参数说明：src 为输入图，dst 为输出图，kernel 为结构元素，iterations 为迭代次数（越大腐蚀越严重），anchor 默认中心 Point(-1,-1)。

自定义腐蚀实现

通过遍历局部窗口寻找最小值模拟该过程：

void erode_my(Mat &src, Mat &dst, int size) {
    for (int i = 0; i < src.rows; ++i) {
        for (int j = 0; j < src.cols; ++j) {
            uchar minV = 255;
            // 遍历邻域寻找最小像素值
            for (int yi = i - size / 2; yi <= i + size / 2; ++yi) {
                for (int xi = j - size / 2; xi <= j + size / 2; ++xi) {
                    if (xi < 0 || xi >= src.cols || yi < 0 || yi >= src.rows) continue;
                    minV = min(minV, src.at<uchar>(yi, xi));
                }
            }
            dst.at<uchar>(i, j) = minV;
        }
    }
}

当结构尺寸扩大至 9x9 时，自定义函数效果与内置函数基本一致。展示对比：

第2步：图像膨胀（Dilation）

目的：扩张前景物体边缘，填充孔洞或连接邻近物体。

原理：若结构元素覆盖区域内存在任意前景像素，则锚点对应变为前景。简而言之，取局部最大值。膨胀与腐蚀互为对偶运算。

使用内置 dilate 函数

Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));
Mat image_dilate;
// 执行膨胀，迭代9次显著扩大主体
;dilate(image_bw, image_dilate, element, Point(-1, -1), 9);
imshow("image_dilate", image_dilate);

自定义膨胀实现

void dilate_my(Mat& src, Mat& dst, int size) {
    for (int i = 0; i < src.rows; ++i) {
        for (int j = 0; j < src.cols; ++j) {
            uchar maxV = 0;
            // 遍历邻域寻找最大像素值
            for (int yi = i - size / 2; yi <= i + size / 2; ++yi) {
                for (int xi = j - size / 2; xi <= j + size / 2; ++xi) {
                    if (xi < 0 || xi >= src.cols || yi < 0 || yi >= src.rows) continue;
                    maxV = max(maxV, src.at<uchar>(yi, xi));
                }
            }
            dst.at<uchar>(i, j) = maxV;
        }
    }
}

同样在 9x9 尺寸下，自定义膨胀效果与内置函数吻合：

第3步：开运算与闭运算

开运算（Opening）：先腐蚀后膨胀。作用是平滑轮廓、断开狭窄连接、消除细小噪声（假设前景为白）。

原图与开运算效果：

可通过两次调用的方式实现，也可直接使用形态学通用函数：

Mat open_image;
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
morphologyEx(image_bw, open_image, MORPH_OPEN, kernel); // 方法二：推荐

闭运算（Closing）：先膨胀后腐蚀。作用是填充前景物体内的小孔、连接邻近物体。

Mat close_image;
morphologyEx(image_bw, close_image, MORPH_CLOSE, kernel); // 方法二：推荐

第4步：高级形态学变换

以下操作均可通过 cv::morphologyEx 一次性完成，定义明确且效率更高。

1. 顶帽变换（Top Hat）

原理：原始图像 - 开运算结果。用于分离比周围亮一些的区域，常用来提取噪声或背景不均匀时的文字前景。

手动实现逻辑如下：

// 方法一：内置标志位
morphologyEx(image_bw, top_hat, MORPH_TOPHAT, kernel); 

// 方法二：显式减法
subtract(image_bw, open_image, top_hat_manual); 
// 或使用绝对差值检测差异
absdiff(image_bw, open_image, top_hat_diff);

2. 黑帽变换（Black Hat）

原理：闭运算结果 - 原始图像。用于提取前景内部的小孔或深色斑点。

// 方法一：内置标志位
morphologyEx(image_bw, black_hat, MORPH_BLACKHAT, kernel);

// 方法二：闭运算减原图
subtract(close_image, image_bw, black_hat_manual); 
// 注意顺序：闭-原

3. 形态学梯度（Morphological Gradient）

原理：膨胀图 - 腐蚀图。能够勾勒出物体的轮廓边界，适合二值图像的边界提取。

// 方法一：内置标志位
morphologyEx(image_bw, gradient, MORPH_GRADIENT, kernel);

// 方法二：膨胀减腐蚀
absdiff(dilated_img, eroded_img, gradient_manual); 

morphologyEx 函数参数详解

该函数是形态学操作的统一入口，原型如下：

void morphologyEx(
    InputArray src,
    OutputArray dst,
    int op,                       // 操作类型
    InputArray kernel,            // 结构元素
    Point anchor = Point(-1,-1),  // 锚点位置
    int iterations = 1,           // 迭代次数
    int borderType = BORDER_CONSTANT,
    const Scalar& borderValue
);

• op 关键枚举值：
  
  • MORPH_ERODE (0)：腐蚀
  • MORPH_DILATE (1)：膨胀
  • MORPH_OPEN (2)：开运算
  • MORPH_CLOSE (3)：闭运算
  • MORPH_GRADIENT (4)：梯度
  • MORPH_TOPHAT (5)：顶帽
  • MORPH_BLACKHAT (6)：黑帽
  • MORPH_HITMISS (7)：击中-击不中
• borderType 边框处理方式：
  
  • BORDER_CONSTANT：固定值填充（默认）
  • BORDER_REPLICATE：边缘复制
  • BORDER_REFLECT：镜像反射

完成判断

运行上述代码后，观察窗口显示的结果：

• 腐蚀后的物体应当变小，孤立噪点消失；
• 膨胀后的物体变大，断裂处连接；
• 开运算去除了毛刺但保持了物体大致面积；
• 闭运算填平了内部空洞；
• 顶帽和黑帽分别突出了亮背景和暗背景下的微小特征；
• 梯度清晰展示了物体边缘。

简要总结

形态学处理是计算机视觉预处理的关键环节。对于简单的腐蚀和膨胀，可直接使用 erode 和 dilate；而对于组合逻辑复杂的开闭运算及顶帽、黑帽等操作，推荐使用 morphologyEx 以提高代码可读性和执行效率。理解结构元素的大小与形状对最终图像处理结果的直接影响，有助于在实际项目中调整参数以达到最佳效果。

以上就是 OpenCV C++ 图像形态学处理（含腐蚀、膨胀、开闭运算及高级变换）的详细内容，更多关于 OpenCV 数字图像处理基于 C++ 的资料请关注本站其它相关文章！