Opencv 基础学习二（对图片进行腐蚀处理、膨胀处理）

形态学概述：（摘自 OpenCV 3入门编程）

形态学（morphology）一词通常表示生物学的一个分支，该分支主要研究动植物的形态和结构。而我们图像处理中指的形态学，往往表示的是数学形态学。下面一起来了解数学形态学的概念。

数学形态学（Mathematical morphology） 是一门建立在格论和拓扑学基础之上的图像分析学科，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。

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。OpenCV为进行图像的形态学变换提供了快捷、方便的函数。最基本的形态学操作有两种，他们是：膨胀（dilate）与腐蚀（eroad）

膨胀与腐蚀能实现多种多样的功能，主要如下：

1.消除噪声

2.分割(isolate)出独立的图像元素，在图像中连接(join)相邻的元素。

3.寻找图像中的明显的极大值区域或极小值区域

4.求出图像的梯度
       在进行腐蚀和膨胀的讲解之前，首先需要注意，腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。膨胀就是图像中的高亮部分进行膨胀，“领域扩张”，效果图拥有比原图更大的高亮区域。腐蚀就是原图中的高亮部分被腐蚀，“领域被蚕食”，效果图拥有比原图更小的高亮区域。

现在直接上代码：

腐蚀：

// 对图片进行腐蚀处理
+ (UIImage *)ImageToMPRPHView:(UIImage *)image
{
//实现功能
//第一步：将iOS图片->OpenCV图片(Mat矩阵)
Mat mat_image_src;
UIImageToMat(image, mat_image_src);
Mat erodeElement = getStructuringElement(cv::MORPH_RECT, cv::Size(20,20));
Mat mat_image_dst;
erode(mat_image_src, mat_image_dst, erodeElement);
return MatToUIImage(mat_image_dst);
}

膨胀

// 对图片进行膨胀处理
+ (UIImage *)ImageToDilateView:(UIImage *)image
{
//实现功能
//第一步：将iOS图片->OpenCV图片(Mat矩阵)
Mat mat_image_src;
UIImageToMat(image, mat_image_src);
Mat erodeElement = getStructuringElement(cv::MORPH_RECT, cv::Size(20,20));
Mat mat_image_dst;
dilate(mat_image_src, mat_image_dst, erodeElement);
return MatToUIImage(mat_image_dst);
}

注意：

OpenCV提供了一个函数getStructuringElement，可以获取常用的结构元素的形状：矩形（包括线形）、椭圆（包括圆形）及十字形。

MORPH_RECT， MORPH_ELLIPSE， MORPH_CROSS