對於學習圖像處理的人來說，通常都知道形態學算法。之所以要提及形態學算法，是因為雖然很多人都知道這個算法，但是會用或者說能用好的人恐怕不多。
數學形態學方法可以用在二值圖上，也可以對灰度圖像進行處理。對於二值圖像，對應的具體形態學方法包括膨脹、腐蝕、開運算、閉運算、擊中擊不中。對於灰度圖像的形態學方法同樣包括膨脹、腐蝕、開運算和閉運算，一般沒有擊中擊不中，此外，還包括形態學梯度、頂帽和底帽運算方法。
盡管有這麼多運算方法，但是最基本的形態學方法隻有膨脹和腐蝕兩種，其它的方法都是基於這兩種進行各種組合運算得到的。形態學方法可以實現圖像的孔洞填充、斷裂區域連通、圖像增強、連通區域分割、過濾雜點、邊界提取、形態濾波、細化、骨架抽取等功能。不管是在傳統的圖像處理方法中，還是深度學習算法中，形態學方法都是極其重要的處理方法。幾乎在所有視覺圖像處理中，都可以看到形態學處理的應用。
說起形態學運算的原理，其實非常簡單，主要就是基於集合的處理方法，形態學運算就是圖像與結構元素之間的某種運算。以二值圖像的膨脹為例，數字圖像之間的運算其實就是一堆數字在運算，二值圖像的像素值隻有“0”和“1”兩種。結構元素也可以看成是一幅圖像，比如3×3大小的矩形結構元素，可以認為是3×3大小的一幅圖像，像素值全是“1”。兩者之間的運算如圖1所示。
圖1 膨脹運算示意
仔細看圖1，尤其是用紅色圓圈圈起來的位置，就明白膨脹運算的原理了，錨點默認是結構元素的中心，也可以自己定義錨點位置，結構元素與原圖進行交集運算，如果交集不為空，則原圖對應的錨點位置的值為“1”，結構元素在原圖上依次滑動，與原圖上對應位置求交集，則得到膨脹運算結果。
當然，其實懂得算法的原理也沒什麼用，因為絕大部分人也不可能去修改這個算法，會用就行，對於其它形態學算法也是類似的道理，實際使用時，也是通過不管調整結構元素的大小和形狀來得到想要的結果。
關於形態學的具體應用其實在之前的很多示例中都已經演示過了，這裡再演示一下，以圖2為例，要統計圖像中瓶子的數量，當然隻需要把瓶口部分的白色區域數量統計出來就可以了。這幅圖像中，放瓶子的籃子邊框會幹擾二值化處理結果，因此，可以先采用形態學方法直接對灰度圖進行處理，然後再進行二值化，最後通過提取輪廓並且過濾掉幹擾的輪廓就可以檢測出來。具體的處理步驟可以看圖2所示。
（a）原圖
（b）頂帽運算
（c二值化）
（d）查找輪廓
（e）按長度過濾輪廓
（f）按面積過濾輪廓
圖2 統計瓶子數量
可以看出，隻需要簡單幾步，就可以得到結果。在使用這些算法的時候，其實我自己也已經忘了某些算法的原理，但是不影響使用，之所以要反復提及這個問題，是因為到目前為止，還有很多人糾結於opencv應該怎麼學，是要把每個算法原理弄清楚嗎？對於應用而言，能熟練掌握這些算法的使用方法就已經足夠了。
形態學的應用還有很多。比如下面的圖3是opencv提供的示例圖像，可以通過形態學提取圖像中的直線和音樂符號。其實就簡單的膨脹腐蝕就可以實現。在使用這些形態學方法的時候，最重要的就是結構元素的形狀和大小。常用的形狀包括矩形、橢圓和十字形，更高級的應用是要學會自定義結構元素的形狀，從而得到想要的結果。在定義結構元素的大小方面，需要放心大膽的去嘗試各種值。此外，很多時候形態學方法需要反復使用，不要指望一到兩次就能夠得到想要的結果。
圖3 opencv的示例圖像
下面再給一張圖像，測量圖中區域的外接圓大小。這是一個網友發給我的圖像，雖然幹擾比較多，但是處理起來還是很方便的，其中也用到了形態學算法。
（a）原圖
（b）結果
圖4 計算圖中外接圓大小
OpenCV雖然函數眾多，但是，隻要勤加練習，還是可以熟練掌握這些函數。對於視覺應用而言，需要掌握的常用函數已經在置頂的那篇文章中指出來了，有需要的可以去看一看。如何快速掌握這些函數？方法、平臺和文檔都已經做好了，剩下的就要靠自己了。建議對照示例文檔和學習平臺進行練習一周，然後拋開文檔，用提供的示例圖像自己做出結果來，基本上就可以處理大部分視覺問題。
這段時間都很忙，已經好久沒更新了，今天也是想到哪就寫到哪，可能有點亂，就這樣吧，後續有時間再做一些示例給大傢展示OpenCV在視覺處理中的應用。學習平臺和練習文檔放在下面鏈接了：