形態(tài)學基本知識
-
結構元（SE）
SE中的的值可以是0或1。常見的結構元有矩形和十字形暖夭。結構元有一個錨點O锹杈，O一般定義為結構元的中心（也可以自由定義位置）。如下圖所示是幾個不同形狀的結構元迈着，紫紅色區(qū)域為錨點O竭望。
SE.png - 膨脹
將結構元s在圖像f上滑動，把結構元錨點位置的圖像像素點的灰度值設置為結構元值為1的區(qū)域對應圖像區(qū)域像素的最大值裕菠。
個人理解：類似于機器學習中的求卷積過程咬清，不過這里不是相乘相加，而是取一定區(qū)域范圍內(nèi)的最大值奴潘，這樣最大值得以擴增延展旧烧，分布到了更多的位置，起到了膨脹的效果画髓。 - 腐蝕
將結構元s在圖像f上滑動掘剪，把結構元錨點位置的圖像像素點的灰度值設置為結構元值為1的區(qū)域對應圖像區(qū)域像素的最小值。
個人理解：同理雀扶，最小值得以擴增延展杖小，分布到了更多的位置，起到了腐蝕的效果愚墓。 -
開運算
對圖像f用同一結構元s先腐蝕再膨脹
效果：原本連接的地方分開了（主要是腐蝕的效果）
開運算 -
閉運算
對圖像f用同一結構元s先膨脹再腐蝕
效果：原本分開的地方閉合了（主要是膨脹的效果）
閉運算 -
white top hat transformation
原圖像與開運算(先腐蝕再膨脹)結果圖之差
得到圖像中那些面積小于結構元且比周圍亮的區(qū)域予权。
白帽變換
注意：白色頂帽變換也是非常有用的提取sure_foreground的方式
- black top hat transformation
閉運算(先膨脹再腐蝕)結果圖與原圖之差
得到圖像中那些面積小于結構元且比周圍暗的區(qū)域。
MATLAB實現(xiàn)
White Top-hat Filtering: ( Original Image - Opening of original Image ) [which is imtophat() in matlab]
Black Top-hat Filtering: ( Closing of Original Image - Original Image ) [which is imbothat() in matlab ]
IM2 = imbothat(IM,SE) performs morphological bottom-hat filtering on the grayscale or binary input image, IM, returning the filtered image, IM2.
SE is a structuring element returned by the strel function. SE must be a single structuring element object, not an array containing multiple structuring element objects.
實踐中的難點：SE的構造
MATLAB中可以用 strel函數(shù)浪册，se = strel('disk',r, N);
有相關的strel函數(shù)文檔可以查
creates a disk-shaped structuring element, where r specifies the radius and n specifies the number of line structuring elements used to approximate the disk shape
r是半徑扫腺，n我也沒太看懂，但是可以省略n這個參數(shù)的村象。
進一步探究：SE的size和白色頂帽變換效果的關系
SE的size越大笆环，進行閉運算時就膨脹得越厲害，這樣更大的亮的區(qū)域在閉運算之后被保留厚者。在白色頂帽變換后躁劣，保留下的亮的區(qū)域的尺寸上限也比SE的size小的時候更大。
經(jīng)過MATLAB實踐库菲，這樣的分析結果是對的账忘。
SE的size為3時，白色頂帽運算的效果如下：
SE的size為10時，白色頂帽運算的效果如下：
