图像形态学一般用于阈值化后的二值图像，其实也可以用于灰度图像的处理，这篇文章主要对灰度中的应用做分析。
1.膨胀与腐蚀
函数
void cvErode( const CvArr* src, CvArr* dst, IplConvKernel* element=NULL, int iterations=1 );//腐蚀函数
void cvDilate( const CvArr* src, CvArr* dst, IplConvKernel* element=NULL, int iterations=1 );//膨胀函数
函数解释可以参考：opencv论坛，关于里面的结构IplConvKernel可以参考：http://blog.csdn.net/babbxazzg/article/details/5976177
腐蚀操作要计算核区域内像素的最小值。膨胀操作要计算核区域内的像素最大值。具体的函数表达：
如果在二值图像中进行表达，那么就是按核进行扩展，在二值图像中，膨胀可以填充小的凹陷，链接一些相近的部件，腐蚀可以去除一些小的斑点。
2.IplConvKernel结构
结构
typedef struct _IplConvKernel
{
int nCols;
int nRows;
int anchorX;
int anchorY;
int *values;
int nShiftR;
}
IplConvKernel;
在这里，对其中的变量定义做一简单的描述：
nCols，nRows：结构元素的行宽与列高；
anchorX，anchorY：结构元素原点（锚点）的位置坐标，水平，垂直；
nShiftR：用于表示结构元素的形状类型，有如下几个值：
#define CV_SHAPE_RECT 0
#define CV_SHAPE_CROSS 1
#define CV_SHAPE_ELLIPSE 2
#define CV_SHAPE_CUSTOM 100
分别表示矩形，十字，椭圆和自定义。
values：当nShiftR为自定义时，value是指向结构元素数据的指针，如果结构元素的大小定义为8*6，那么values为48长的int数组，值为0或1。
操作函数：
结构IplConvKernel* cvCreateStructuringElementEx( int cols, int rows, int anchor_x, int anchor_y,
int shape, int* values=NULL );//创建
void cvReleaseStructuringElement( IplConvKernel** element );//释放
以前做过一个点识别的程序，就是用这个实现的，代码图片如下：
形态学灰度操作实例
#include "stdafx.h"
#include "cv.h"
#include "cxcore.h"
#include "highgui.h"
#include "math.h"
int _tmain(int argc, _TCHAR* argv[])
{
cvNamedWindow("src");
cvNamedWindow("dst");
cvNamedWindow("thresh");
IplImage *img=cvLoadImage("2.bmp");
IplImage *img2 = cvCreateImage(cvSize(img->width,img->height),IPL_DEPTH_8U,1);
IplImage *img3 = cvCreateImage(cvSize(img->width,img->height),IPL_DEPTH_8U,1);
cvCvtColor(img,img2,CV_BGR2GRAY);
cvShowImage("src",img2);
IplConvKernel* t = cvCreateStructuringElementEx(11, 11, 6,6,CV_SHAPE_ELLIPSE);
cvDilate(img2,img3,t);
cvReleaseStructuringElement( &t );
cvSaveImage("dst.jpg",img3);
cvShowImage("dst",img3);
cvThreshold(img3,img2,60,255,CV_THRESH_BINARY);
cvShowImage("thresh",img2);
cvWaitKey();
cvDestroyWindow("thresh");
cvDestroyWindow("dst");
cvDestroyWindow("src");
return 0;
}
操作的图片：
原图 形态学操作后 阈值
上面虽然不是一个很好的例子，但是在一定程度上说明形态学灰度的效果。
3. cvMorphologyEx
opencv中实现开运算、闭运算、形态梯度、tophat,baackhat的函数是cvMorphologyEx（）；具体使用方法：
cvMorphologyEx
void cvMorphologyEx( const CvArr* src, CvArr* dst, CvArr* temp,
IplConvKernel* element, int operation, int iterations=1 );
src
输入图像.
dst
输出图像.
temp
临时图像，某些情况下需要
element
结构元素
operation
形态操作的类型:
CV_MOP_OPEN - 开运算
CV_MOP_CLOSE - 闭运算
CV_MOP_GRADIENT - 形态梯度
CV_MOP_TOPHAT - "顶帽"
CV_MOP_BLACKHAT - "黑帽"
iterations
膨胀和腐蚀次数.
函数 cvMorphologyEx 在膨胀和腐蚀基本操作的基础上，完成一些高级的形态变换：
开运算
dst=open(src,element)=dilate(erode(src,element),element)
闭运算
dst=close(src,element)=erode(dilate(src,element),element)
形态梯度
dst=morph_grad(src,element)=dilate(src,element)-erode(src,element)
"顶帽"
dst=tophat(src,element)=src-open(src,element)
"黑帽"
dst=blackhat(src,element)=close(src,element)-src
临时图像 temp 在形态梯度以及对“顶帽”和“黑帽”操作时的 in-place 模式下需要。
有人说，这个函数使用非对称结构的时候会造成偏移，其实即使使用opencv其他函数实现也会造成偏移，原理使其然，并不阻碍我们使用。
需要说明的是，最后一个参数，例如闭运算，iterations=2的时候，并不是说分别执行2次闭运算，也就是dilate—>erode-->dilate—>erode,实际的情况是dilate—>dilate-->erode—>erode。
（1）开运算，必运算
开运算是先腐蚀，再膨胀，用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。
闭运算是先膨胀，在腐蚀，用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。
就用《learning opencv》上的图说明吧：
开运算 闭运算
下图为例，演示通过开运算和闭运算消除噪声，突出需要的物体，原图以及经过二值化以后的图像如下：
可以看到二值画以后的图像中，区域边缘有很多毛刺，虽然滤波也可以消除，但是不是很干净，想我采用的形态学操作办法，代码：
形态学操作例子
cvNamedWindow("src");
cvNamedWindow("dst");
IplImage *img=cvLoadImage("12.bmp");
IplImage *img2 = cvCreateImage(cvSize(img->width,img->height),IPL_DEPTH_8U,1);
IplImage *img3 = cvCreateImage(cvSize(img->width,img->height),IPL_DEPTH_8U,1);
cvCvtColor(img,img2,CV_BGR2GRAY);
cvThreshold(img2,img2,60,255,CV_THRESH_BINARY);
cvShowImage("src",img2);
cvSaveImage("src.jpg",img2);
IplConvKernel* t = cvCreateStructuringElementEx(7, 7, 4,4,CV_SHAPE_ELLIPSE);
IplConvKernel* t2 = cvCreateStructuringElementEx(5, 5, 3,3,CV_SHAPE_ELLIPSE);
cvMorphologyEx(img2,img3,NULL,t2,CV_MOP_OPEN);
cvMorphologyEx(img3,img3,NULL,t2,CV_MOP_OPEN);
cvMorphologyEx(img3,img3,NULL,t,CV_MOP_CLOSE);
cvMorphologyEx(img3,img3,NULL,t,CV_MOP_CLOSE);
cvReleaseStructuringElement( &t );
cvReleaseStructuringElement( &t2 );
cvSaveImage("dst.jpg",img3);
cvShowImage("dst",img3);
cvWaitKey();
cvDestroyWindow("dst");
cvDestroyWindow("src");
return 0;
即先进性2次开运算，扩大边缘的噪声，在使用闭运算，连接边缘的毛刺，开运算和闭运算的结果如下：
经过开运算，闭运算后，边缘平滑很多，这并不是一个很好的例子，手边刚好有这么一张图片，就一次来说明问题而已
剩下 的明天再说吧
