前言
在计算机视觉领域，形态学计算是一种强大的工具，用于处理和分析图像。通过形态学操作，可以提取图像的基本结构特征，如边界、骨架、连通分量等，从而为后续的图像处理任务奠定基础。
本文将介绍如何使用 C# 结合 OpenCVSharp 库进行基本的形态学计算。形态学计算主要包括膨胀（Dilation）、腐蚀（Erosion）、开运算（Opening）、闭运算（Closing）等操作。这些操作不仅可以帮助我们去除噪声、填补孔洞，还能增强图像中的特定特征。
通过本文的学习，掌握如何利用这些技术提升图像处理的效果，并应用到实际项目中。
正文
1、膨胀
膨胀操作则会扩展图像中的前景区域，通常用于连接相邻的目标或填补孔洞。
其原理与腐蚀类似，但作用相反。
/// <summary>
/// 膨胀
/// </summary>
/// <param name="mat">图片</param>
/// <param name="element">用于膨胀的结构内核；如果element=new Mat（），则使用3x3矩形结构化元素</param>
/// <param name="anchor">锚在元素中的位置。默认值（-1，-1）表示锚点位于元素中心</param>
/// <param name="iterations">应用膨胀的次数。[默认情况下为1]</param>
/// <param name="borderType">边缘像素的外推类型</param>
/// <param name="borderValue">在边缘为常量的情况下的边缘值</param>
/// <returns></returns>
public static Mat Dilate(Mat mat, InputArray? element, Point? anchor = null, int iterations = 1,
BorderTypes borderType = BorderTypes.Constant, Scalar? borderValue = null)
{
Mat dstMet = new Mat();
// var element = Cv2.GetStructuringElement(MorphShapes.Rect, new OpenCvSharp.Size(1, 1));
// 膨胀Cv2.Dilate
Cv2.Dilate(mat, dstMet, element, anchor, iterations, borderType, borderValue);
return dstMet;
}
2、腐蚀
腐蚀操作会收缩图像中的前景区域（白色部分），通常用于去除小的噪声点或细化目标区域。
其原理是基于一个结构元素（Structuring Element），逐像素地扫描图像并根据结构元素的形状和大小对图像进行处理。
/// <summary>
/// 腐蚀
/// </summary>
/// <param name="mat">图片</param>
/// <param name="element">用于侵蚀的结构内核；如果element=new Mat（），则使用3x3矩形结构化元素</param>
/// <param name="anchor">锚在元素中的位置。默认值（-1，-1）表示锚点位于元素中心</param>
/// <param name="iterations">应用侵蚀的次数。[默认情况下为1]</param>
/// <param name="borderType">边缘像素的外推类型</param>
/// <param name="borderValue">在边缘为常量的情况下的边缘值</param>
/// <returns></returns>
public static Mat Erode(Mat mat, InputArray? element, Point? anchor = null, int iterations = 1,
BorderTypes borderType = BorderTypes.Constant, Scalar? borderValue = null)
{
Mat dstMet = new Mat();
// var element = Cv2.GetStructuringElement(MorphShapes.Rect, new OpenCvSharp.Size(1, 1));
// 腐蚀Cv2.Erode
Cv2.Erode(mat, dstMet, element, anchor, iterations, borderType, borderValue);
return dstMet;
}
3、形态学运算
开运算：先腐蚀后膨胀，可清除小白点；图片会非常模糊；
闭运算：先膨胀后腐蚀，可清除小黑点；图片会非常模糊；
形态学梯度：膨胀图与腐蚀图之差，用于提取物体边缘；
顶帽：原图 减 开运算，用于分离比临近点亮一些的斑块，进行背景提取；
黑帽：闭运算 减 原图，用于分离比临近点暗一些的斑块；
击中与击不中：用击中结构去腐蚀原始图像得到击中集合，用击不中结构去腐蚀原始图像的补集得到击不中集合，取两者的交集(与运算)作为结果集；可用于寻找模版图片在原图片中的位置；
/// <summary>
/// 形态学运算
/// 开运算：先腐蚀后膨胀，可清除小白点；图片会非常模糊；
/// 闭运算：先膨胀后腐蚀，可清除小黑点；图片会非常模糊；
/// 形态学梯度：膨胀图与腐蚀图之差，用于提取物体边缘；
/// 顶帽：原图 减 开运算，用于分离比临近点亮一些的斑块，进行背景提取；
/// 黑帽：闭运算 减 原图，用于分离比临近点暗一些的斑块；
/// 击中与击不中：用击中结构去腐蚀原始图像得到击中集合，用击不中结构去腐蚀原始图像的补集得到击不中集合，取两者的交集(与运算)作为结果集；可用于寻找模版图片在原图片中的位置；
/// </summary>
/// <param name="mat">图片</param>
/// <param name="op">形态学运算的类型；腐蚀,膨胀,开运算,闭运算,形态学梯度,顶帽,黑帽,击中与击不中</param>
/// <param name="element">用于侵蚀的结构内核；如果element=new Mat（），则使用3x3矩形结构化元素</param>
/// <param name="anchor">锚在元素中的位置。默认值（-1，-1）表示锚点位于元素中心</param>
/// <param name="iterations">应用侵蚀和膨胀的次数[默认为1]</param>
/// <param name="borderType">边缘像素的外推类型</param>
/// <param name="borderValue">在边缘为常量的情况下的边缘值</param>
/// <returns></returns>
public static Mat MorphologyEx(Mat mat, MorphTypes op, InputArray? element,
Point? anchor = null, int iterations = 1, BorderTypes borderType = BorderTypes.Constant, Scalar? borderValue = null)
{
Mat dstMet = new Mat();
//var op = MorphTypes.Gradient;
//var element = Cv2.GetStructuringElement(MorphShapes.Rect, new OpenCvSharp.Size(6, 6));
// 进行形态学运算
Cv2.MorphologyEx(mat, dstMet, op, element, anchor, iterations, borderType, borderValue);
return dstMet;
}
总结
形态学计算在图像处理中扮演着至关重要的角色。它不仅能够帮助我们清理图像中的噪声，还能提取出有用的结构信息。
以下是形态学计算的一些主要应用场景：
去噪：通过腐蚀和膨胀操作，可以有效去除图像中的小斑点或噪声。
边界检测：形态学梯度操作可以帮助我们检测图像的边缘和轮廓。
填充空洞：闭运算可以用来填补物体内部的小孔洞。
分割对象：开运算可以帮助分离粘连在一起的对象。
通过上述基本形态学操作，我们可以解决许多实际问题。例如，在工业质检中，可以通过形态学操作来检测产品表面的缺陷；在医学影像处理中，可以利用形态学操作来分割和分析组织结构。这些应用不仅展示了形态学计算的强大功能，还突显了其在不同领域的广泛应用。
最后
如果你觉得这篇文章对你有帮助，不妨点个赞支持一下！你的支持是我继续分享知识的动力。如果有任何疑问或需要进一步的帮助，欢迎随时留言。
也可以加入微信公众号 [DotNet技术匠] 社区，与其他热爱技术的同行一起交流心得，共同成长！
优秀是一种习惯，欢迎大家留言学习！
作者：꧁༺执笔小白༺꧂
出处：cnblogs.com/qq2806933146xiaobai/p/18294611
声明：网络内容，仅供学习，尊重版权，侵权速删，歉意致谢！
