形态学梯度计算/开运算/闭运算/顶帽运算/黑帽 27.形态学处理图像效果 _形态学

吹比QQ群：
简书链接：

文章插图
本文你会找到以下问题的答案: 形态学梯度计算（详解）开运算（）闭运算（）顶帽运算（Top Hat）黑帽（Black Hat）用途：
形态学梯度：形态学梯度来保留物体边缘轮廓。
开运算：可以用来消除小物体，在纤细点处分离物体，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：可以排除小的黑色区域。
黑帽运算：突出了比原图轮廓周围区域更暗的区域，所以黑帽运算用来分离比邻近点暗一些的斑块。
顶帽运算：放大了裂缝或者局部低亮度的区域。
（所以，从原图中减去开运算后的图，得到的结果突出了比原图轮廓周围的区域更明亮的区域，这个操作与选择的核的大小有关。）
2.1 形态学梯度计算（t）
当时小嗷在学时候，其实对形态学梯度计算这个概念一笔跳过（就是简单运用一下API而已）。
不过，现在写文章打算写细点，方便大家以及自己日后查找和理解。
特点：对二值图进行这一操作可以将团块的边缘突出出来，我们可以用形态学梯度来保留物体的边缘轮廓
2.1.1 概念介绍
梯度用于刻画目标边界或边缘位于图像灰度级剧烈变化的区域.
形态学梯度根据膨胀或者腐蚀与原图作差组合来实现增强结构元素领域中像素的强度，突出高亮区域的外围。
计算图像的形态学梯度是形态学重要操作，常常将膨胀和腐蚀基础操作组合起来一起使用实现一些复杂的图像形态学梯度。可以计算的梯度常见如下四种：
2.1.1.1 基本梯度(保留物体边缘轮廓)
基本梯度是用膨胀后的图像减去腐蚀后的图像得到差值图像，称为梯度图像也是中支持的计算形态学梯度的方法，而此方法得到梯度有被称为基本梯度。
形态学梯度（）为膨胀图与腐蚀图之差，表达式如下：
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。形态学梯度来保留物体边缘轮廓
2.1.1.2 内部梯度
是用原图像减去腐蚀之后的图像得到差值图像，称为图像的内部梯度
原图 - 膨胀 = 内部梯度
2.1.1.3 外部梯度
是用图像膨胀之后再减去原来的图像得到的差值图像，称为图像的外部梯度。
膨胀 - 原图 = 外部梯度
2.1.1.4 方向梯度
方向梯度是使用X方向与Y方向的直线作为结构元素之后得到图像梯度，X的结构元素（核）分布膨胀与腐蚀得到图像之后求差值得到称为X方向梯度，用Y方向直线做结构分别膨胀与腐蚀之后得到图像求差值之后称为Y方向梯度。
即：
膨胀 - 腐蚀 = Y方向梯度（使用X方向直线作为结构元素（核）之后得到图像梯度）腐蚀 - 膨胀 = X方向梯度（使用Y方向直线作为结构元素（核）之后得到图像梯度）
效果图如下：

文章插图
原图基本梯度内部梯度外部梯度
XY方向效果图如下：

文章插图
处理方法很简单，第25篇写了膨胀与腐蚀 + 第6篇写了图像的数学运算
简单来说，就是对图像进行数学运算操作（小学数学：加减乘除）。
只有方向梯度有点难理解。不过，相信大家看完代码后，应该懂。不懂的话，QQ邮箱call小嗷。
这里就简单写写实现方法（基本梯度）：
首先，膨胀和腐蚀函数用到API（当然，必要时小嗷会手写算法。）
erode();();t();