本文还有配套的精品资源，点击获取

简介：膨胀腐蚀是图像处理中的基本形态学操作，广泛应用于计算机视觉和机器学习领域。本文将指导读者如何仅使用C语言和OpenCV库实现图像的读取、膨胀腐蚀处理和显示。包括结构元素的定义、处理函数的调用以及编译环境的配置，旨在帮助读者理解并实践图像的形态学变换。

1. 形态学图像处理

形态学图像处理是计算机视觉领域中的一项重要技术，它通过使用特定的形态学操作来处理图像，以达到增强特征、简化图像结构的目的。在这一章节中，我们将简要介绍形态学图像处理的基础概念，以及其在图像处理中的应用。形态学处理通常涉及两种基本操作：膨胀与腐蚀。

1.1 形态学处理基础概念

形态学图像处理的核心是结构元素，它是一个具有特定形状和大小的集合，用于在图像中定义空间区域。通过将结构元素应用于图像，可以对图像进行局部修改。结构元素的移动及其与图像的相互作用定义了形态学操作的结果。

1.2 形态学操作的分类

形态学操作主要包括膨胀（Dilation）和腐蚀（Erosion），以及由这两种基本操作派生的开运算（Opening）和闭运算（Closing）。这些操作能够去除图像中的小的干扰，使边缘平滑，同时也能连接相邻的对象。

1.3 应用场景

形态学图像处理的应用非常广泛，如图像分割、特征提取、噪声去除和图像增强等。例如，在图像分割中，通过膨胀和腐蚀的组合可以将相互接触的物体分开。在特征提取中，它可以帮助突出或连接图像中的重要区域。

在下一章节中，我们将深入探讨膨胀操作的原理及其应用，为读者提供一个形态学图像处理的深度理解。

2. 膨胀操作原理和应用

2.1 膨胀操作的数学基础

2.1.1 膨胀的定义和作用

膨胀（Dilation）是形态学图像处理中的一种基本运算，主要用于增强图像中的特定结构、填充物体内部的小孔、连接邻近物体。数学上，膨胀操作可被定义为集合运算的一种。对于一个二值图像 ( A ) 和一个结构元素 ( B )，膨胀操作 ( A \oplus B ) 可以表示为：( A ) 中每一个像素点都会向其邻域扩展 ( B ) 的形状和大小，如果 ( A ) 和 ( B ) 有重叠部分，则 ( A ) 的相应像素点取值为1。

在形态学图像处理中，膨胀操作通常用来消除小的暗噪声（黑点），扩大亮区域，连接相邻物体，并填充物体内的小洞。通过对二值图像或灰度图像应用膨胀操作，可以改善图像质量，为后续的图像分析和处理打下良好的基础。

2.1.2 膨胀在图像处理中的应用场景

膨胀操作在许多图像处理和计算机视觉任务中都有广泛的应用。例如，在图像分割中，膨胀可以用于填补由阈值分割产生的小孔或裂纹。在目标检测中，膨胀操作可以用来连接距离很近的目标。在文字识别（OCR）中，膨胀可以用来加粗字符，以提高识别的准确率。

2.2 膨胀操作的实现方法

2.2.1 膨胀操作的算法原理

膨胀操作的核心算法原理涉及到卷积运算。在实现膨胀时，可以将结构元素 ( B ) 看作一个模板，将其与图像 ( A ) 进行卷积运算。具体步骤如下： 1. 将 ( B ) 的中心放在 ( A ) 的每一个像素上； 2. 如果 ( B ) 中的任何像素点与 ( A ) 中对应点都为1，则将 ( A ) 中对应的像素点设置为1； 3. 移动 ( B ) ，重复步骤1和2，直到 ( B ) 覆盖了 ( A ) 中所有的点。

值得注意的是，膨胀操作是一种非线性运算，其结果受到结构元素形状和大小的影响。

2.2.2 膨胀操作的C语言实现

下面是一个使用C语言实现膨胀操作的简单示例代码，该代码使用了数组来模拟二值图像，并使用另一个数组作为结构元素：

#include <stdio.h>
#include <stdlib.h>

#define N 4  // 图像和结构元素的尺寸
#define TRUE 1
#define FALSE 0

// 二值图像表示，1表示白色像素，0表示黑色像素
int image[N][N] = {
  {0, 0, 0, 0},
  {0, 1, 1, 0},
  {0, 1, 1, 0},
  {0, 0, 0, 0}
};

// 结构元素
int element[N][N] = {
  {1, 1, 1},
  {1, 1, 1},
  {1, 1, 1}
};

int dilation(int image[N][N], int element[N][N], int N) {
    int dilation_result[N][N] = {0}; // 存储膨胀结果的数组
    int i, j, k, l;

    for (i = 0; i < N; i++) {
        for (j = 0; j < N; j++) {
            for (k = 0; k < N; k++) {
                for (l = 0; l < N; l++) {
                    // 检查是否可以将元素i,j标记为白色
                    if (element[k][l] == 1 && image[i+k][j+l] == 1) {
                        dilation_result[i][j] = TRUE;
                    }
                }
            }
        }
    }

    // 复制膨胀结果回原始图像数组
    for (i = 0; i < N; i++) {
        for (j = 0; j < N; j++) {
            image[i][j] = dilation_result[i][j];
        }
    }

    return 0; // 返回值不表示错误信息，C语言中习惯使用0表示成功
}

int main() {
    printf("Original image:\n");
    for (int i = 0; i < N; i++) {
        for (int j = 0; j < N; j++) {
            printf("%d ", image[i][j]);
        }
        printf("\n");
    }

    dilation(image, element, N);

    printf("Dilated image:\n");
    for (int i = 0; i < N; i++) {
        for (int j = 0; j < N; j++) {
            printf("%d ", image[i][j]);
        }
        printf("\n");
    }

    return 0;
}

该代码在每次迭代中检查图像中的每个像素点，并根据结构元素与图像的重叠情况来更新结果。需要注意的是，结构元素在本例中假定为3x3的全1矩阵，这在实际应用中应根据具体需求进行调整。

本代码段实现了膨胀操作的基本逻辑，但在实际应用中通常会使用优化过的库函数来实现这些功能，以获得更好的性能和可靠性。

3. 腐蚀操作原理和应用

3.1 腐蚀操作的数学基础

3.1.1 腐蚀的定义和作用

腐蚀（Erosion）是形态学图像处理中的一种基本操作，其基本原理是基于集合论。腐蚀操作将图像中的前景像素点缩小，有助于消除小的噪声，断开相邻的物体，并将物体边缘收缩。在二值图像中，腐蚀操作将使前景物体缩小，如果腐蚀足够强烈，可能使物体消失。

形式上，腐蚀可以定义为对图像中的前景对象与结构元素的交集进行最大化操作。对于二值图像，可以使用如下的集合表示方法：

设 ( A ) 为输入图像的集合，( B ) 为结构元素集合，则腐蚀操作定义为：

[ A \ominus B = { z \in E | B_z \subseteq A } ]

其中，( B_z ) 表示结构元素 ( B ) 平移 ( z ) 位置后的集合，( E ) 表示整个欧几里得空间。

3.1.2 腐蚀在图像处理中的应用场景

腐蚀操作在图像处理中有许多实际应用，如：

• 去噪 ：腐蚀可以去除小的噪声点，因为它会减少图像中的小物体。
• 断开相邻物体 ：当两个或多个物体在某些区域相连时，腐蚀可以用来分离它们。
• 特征提取 ：腐蚀可以用来强化或突出图像的特定特征。

例如，在医学图像处理中，腐蚀操作常用于从图像中移除小型的不必要特征，使得医生能够更清晰地看到关键区域。

3.2 腐蚀操作的实现方法

3.2.1 腐蚀操作的算法原理

腐蚀操作算法的核心在于对图像的每个像素点应用结构元素，通过移动结构元素并检查是否完全包含在前景中来决定腐蚀后的结果。数学上，对于每个像素 ( p )：

1. 将结构元素 ( B ) 的中心对准 ( p )。
2. 检查结构元素 ( B ) 覆盖的像素是否全部属于前景。
3. 如果是，将 ( p ) 置为前景（1）；否则，置为背景（0）。

这个过程将遍历图像中的每个像素，最终形成腐蚀后的图像。

3.2.2 腐蚀操作的C语言实现

以下是一个简单的C语言实现腐蚀操作的代码示例：

#include <opencv2/opencv.hpp>
#include <stdio.h>

int main() {
    // 假设已经加载了输入图像 src 和结构元素 element
    cv::Mat src, element, dst;
    // ... 图像和结构元素加载代码 ...

    for (int y = element.rows / 2; y < src.rows - element.rows / 2; y++) {
        for (int x = element.cols / 2; x < src.cols - element.cols / 2; x++) {
            bool isInside = true;
            for (int ey = -element.rows / 2; ey <= element.rows / 2; ey++) {
                for (int ex = -element.cols / 2; ex <= element.cols / 2; ex++) {
                    int sampleY = y + ey;
                    int sampleX = x + ex;
                    if (element.at<uchar>(ey + element.rows / 2, ex + element.cols / 2) == 1 &&
                        src.at<uchar>(sampleY, sampleX) == 0) {
                        isInside = false;
                        break;
                    }
                }
                if (!isInside) {
                    break;
                }
            }
            if (isInside) {
                dst.at<uchar>(y - element.rows / 2, x - element.cols / 2) = 1;
            }
        }
    }

    // ... 保存和显示结果图像 dst ...
    return 0;
}

在这段代码中，我们首先对输入图像 src 和结构元素 element 进行了假设性的加载，然后遍历了图像的每个像素点。对于每个像素点，我们检查结构元素内的所有像素是否全部为前景像素。如果是，则在结果图像 dst 上将相应的像素设置为前景。注意，这个例子简化了边界处理，实际应用中需要对边界进行特殊处理以避免访问越界。

在上述代码中，我们定义了一个双层循环来遍历每个像素，并检查结构元素内的像素是否符合条件。代码逻辑逐行分析如下：

• 外层循环遍历图像中除了边界外的所有像素。
• 内层循环遍历当前像素周围的结构元素区域。
• 通过检查结构元素覆盖的区域是否全部属于前景来决定是否将当前像素点腐蚀。
• 如果符合条件，腐蚀后结果图像的对应像素点被设置为前景。

这个简单的算法没有使用优化的函数和直接访问像素的方式，仅用于演示腐蚀操作的基本原理。在实际应用中，使用专门的图像处理库，如OpenCV，可以大幅提高效率。

请注意，上述代码仅是腐蚀操作的一个基础实现，实际中，为了提高效率，通常会使用专门的图像处理库，如OpenCV，其中提供了优化过的函数来执行腐蚀操作。下一节将展示如何使用OpenCV库来实现腐蚀操作，并介绍相关的函数和参数。

4. 结构元素的作用和选择

4.1 结构元素的定义和作用

4.1.1 结构元素在形态学处理中的角色

结构元素是形态学图像处理中的核心概念，它决定了形态学操作的空间结构和方向性。在形态学膨胀和腐蚀操作中，结构元素通过定义一个邻域窗口来模拟“探针”，以检测图像的特定区域。它是一个小的、具有特定形状和大小的矩阵，通常包含像素集合，这些像素定义了对目标图像进行操作时的范围和方式。

4.1.2 结构元素对处理结果的影响

结构元素的不同选择会直接影响到形态学处理的效果。选择合适的结构元素对于提取目标图像的特征至关重要。结构元素的形状可以是矩形、圆形、椭圆形、交叉形等，其尺寸则决定了邻域窗口的大小，进而影响到膨胀或腐蚀操作在空间上的广度和强度。在某些应用中，结构元素的形状和尺寸需要根据实际问题进行定制化设计，以达到预期的图像处理效果。

4.2 结构元素的选择策略

4.2.1 根据图像特点选择结构元素

为了获得最佳的图像处理效果，结构元素的选择需要基于图像的特性来决定。例如，在处理具有明显直线边缘的图像时，矩形或直线形状的结构元素可能更加合适；而在处理包含曲线边缘的图像时，圆形或椭圆形的结构元素可能会更加有效。此外，如果处理对象具有各向同性的特征，则结构元素的选择应当尽量保持无方向性，比如圆形结构元素。

4.2.2 结构元素形状和尺寸的影响

结构元素的形状和尺寸对于形态学操作的结果起着决定性作用。在选择结构元素时，通常需要权衡其尺寸大小：

• 小尺寸结构元素 ：操作更加局部化，可能会导致噪声的增加。
• 大尺寸结构元素 ：能够更好地平滑图像，但在同时也会损失一些图像细节。

结构元素的形状也会影响图像的处理结果。例如，水平结构元素通常用于水平方向的特征提取，而交叉结构元素则可能用于强化角点特征。结构元素的尺寸和形状的选择通常需要在实验中反复尝试，以找到最佳匹配。

结构元素选择对处理效果的影响分析

选择不同的结构元素对处理效果的分析需要通过实验和观察得出结论。这里，我们可以使用一个简化的例子来展示这种影响。

假设我们有一个简单的二值图像，我们需要进行边缘检测。我们可以选择一个矩形结构元素来进行边缘检测，也可以选择一个椭圆形结构元素。以下是使用矩形和椭圆形结构元素进行边缘检测的结果对比。

实验分析代码

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // 读取图像
    cv::Mat image = cv::imread("path_to_image", cv::IMREAD_GRAYSCALE);
    // 创建矩形和椭圆形结构元素
    cv::Mat element_rect = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));
    cv::Mat element_ellipse = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(3, 3));

    // 应用形态学操作
    cv::Mat morph_rect, morph_ellipse;
    cv::morphologyEx(image, morph_rect, cv::MORPH_GRADIENT, element_rect);
    cv::morphologyEx(image, morph_ellipse, cv::MORPH_GRADIENT, element_ellipse);
    // 显示结果
    cv::imshow("Rectangle Element", morph_rect);
    cv::imshow("Ellipse Element", morph_ellipse);
    cv::waitKey(0);
    return 0;
}

参数说明和逻辑分析

• cv::getStructuringElement 函数用于生成一个指定形状和大小的结构元素。
• cv::morphologyEx 函数执行形态学操作，其中 cv::MORPH_GRADIENT 参数指定了进行边缘检测的操作。
• cv::imshow 用于显示处理后的图像。

通过这个例子，我们可以观察到使用不同形状的结构元素进行形态学操作时，得到的图像边缘检测结果会有明显的差异。矩形结构元素检测到的边缘较为粗大，而椭圆形结构元素检测到的边缘则更为细致。这种实验分析帮助我们理解结构元素选择对图像处理结果的具体影响，进而指导我们在实际应用中做出合适的选择。

在下一节中，我们将深入探讨如何使用OpenCV库的C语言接口进行形态学图像处理的实现细节。

5. OpenCV库的C语言接口使用

5.1 OpenCV库的基本概念

5.1.1 OpenCV库的简介

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。它由一系列C函数和C++类构成，实现了包括图像处理、视频分析、特征提取、物体识别等多种计算机视觉功能。OpenCV最初由Intel公司于1999年发起，并于2000年首次公开发布。经过多年的发展，OpenCV如今已经成为了业界广泛采用的计算机视觉库，有着丰富的文档和社区支持。

OpenCV的特性包括： - 广泛的视觉功能实现，如运动分析、2D/3D结构恢复、特征识别等。 - 独立于平台的C/C++接口，可以在多种操作系统上运行。 - 高效的实时处理能力，常用于视频流处理。 - 社区支持和持续的更新，包含了大量的算法和功能。

5.1.2 OpenCV库在C语言中的作用

在C语言中，OpenCV库扮演了多个角色。首先，OpenCV提供了一个丰富的函数库，使得C语言开发者能够直接在C语言项目中集成复杂的图像处理和计算机视觉算法。这有助于那些不希望或不需要使用C++特性的项目，保持代码的简洁性和高效性。

其次，OpenCV为C语言提供了面向对象的特性，通过结构体和函数指针实现了类似C++类的行为。这一特点对于传统的C语言项目尤为宝贵，因为它允许开发者在不改变原有架构的基础上，利用OpenCV实现面向对象的编程模式。

最后，OpenCV还支持与其他语言的接口，如Python、Java和MATLAB，进一步拓宽了它的使用范围。对C语言而言，OpenCV不仅是一个功能强大的工具库，更是连接现代计算视觉技术和传统编程环境的桥梁。

5.2 OpenCV库的C语言接口详解

5.2.1 常用的C语言接口函数

OpenCV库中包含了很多用于图像处理的C语言接口函数，以下是一些非常常用的函数：

• cvLoadImage ：用于加载图像文件，返回一个指向 IplImage 结构的指针。
• cvReleaseImage ：释放由 cvLoadImage 创建的图像。
• cvCvtColor ：用于转换图像的颜色空间，例如从BGR转换到灰度。
• cvSmooth ：对图像应用平滑操作，减少噪声。
• cvCreateStructuringElementEx ：创建结构元素，用于形态学操作。
• cvMorphologyEx ：执行形态学操作，如膨胀和腐蚀。
• cvNamedWindow ：创建一个窗口用于显示图像。
• cvShowImage ：在指定窗口显示图像。
• cvWaitKey ：等待一个键盘事件。
• cvDestroyWindow ：销毁一个窗口。

5.2.2 接口函数的参数和返回值解析

OpenCV函数的参数和返回值通常包含了丰富的信息。以下是一些示例函数的参数和返回值解析：

• IplImage *cvLoadImage(const char* filename, int iscolor=CV_LOAD_IMAGE_COLOR);
• 参数 ： filename 是图像文件的路径； iscolor 用于指定颜色加载方式，如 CV_LOAD_IMAGE_COLOR 代表加载彩色图像。

• 返回值 ：返回一个指向加载图像的 IplImage 结构的指针；如果图像加载失败，则返回 NULL 。

• void cvReleaseImage(IplImage** image);

• 参数 ： image 是一个指向 IplImage 指针的指针，用于释放图像。

• 返回值 ：无返回值，直接释放图像。

• CvSize cvSize(int width, int height);

• 参数 ： width 和 height 分别表示图像的宽度和高度。

• 返回值 ：返回一个 CvSize 结构，代表图像的尺寸。

• CvMat *cvCreateStructuringElementEx(int width, int height, int anchor_x, int anchor_y, int shape, int* values = NULL);

• 参数 ： width 和 height 定义了结构元素的大小； anchor_x 和 anchor_y 定义了结构元素的中心点； shape 表示形状，如 CV_SHAPE_RECT 、 CV_SHAPE_CROSS 等； values 是一个可选的指针，用于填充自定义的结构元素值。
• 返回值 ：返回一个指向创建的结构元素的指针。

这些函数的深入理解是利用OpenCV库进行图像处理和计算机视觉应用开发的关键。在本章后续内容中，我们将展示如何结合这些接口函数实现具体的应用程序。下面，我们继续深入探讨使用OpenCV进行图像读取与显示的具体方法。

6. 图像读取与显示方法

6.1 图像文件的读取机制

6.1.1 支持的图像格式

在计算机视觉和图像处理领域，支持多种图像格式是进行图像读取与处理的首要条件。OpenCV库支持多种图像格式，包括但不限于BMP、JPEG、PNG、TIFF、GIF等常见的文件格式。除此之外，OpenCV还支持多种视频格式和摄像头输入，使其能够处理静态图像和动态视频序列。

OpenCV使用高度优化的库，可以利用图像格式的解码器和编解码器，这样做的好处是能够对图像进行快速的读取和显示。不仅如此，OpenCV还支持对压缩图像进行无损转换和转换图像的颜色空间，从而为图像处理提供极大的灵活性和便利性。

6.1.2 读取图像的C语言代码实现

使用OpenCV库读取图像的基本C语言代码如下所示：

#include <opencv2/opencv.hpp>

int main() {
    // 图像文件路径
    const char* imagePath = "path/to/your/image.jpg";

    // 使用cv::imread读取图像
    cv::Mat image = cv::imread(imagePath, cv::IMREAD_COLOR);

    // 检查图像是否成功读取
    if (image.empty()) {
        printf("Error: 图像读取失败，请检查文件路径是否正确。\n");
        return -1;
    }

    // 接下来可以进行图像处理或显示
    return 0;
}

在上述代码中， cv::imread 函数被用来读取图像文件。该函数的第二个参数指定了读取模式，其中 cv::IMREAD_COLOR 标志代表以彩色模式读取图像。如果图像成功读取， image 变量将包含图像数据，否则该变量将是空的。为了确保读取成功，代码中包含了检查 image.empty() 的条件。

6.2 图像的显示方法

6.2.1 使用OpenCV显示图像

显示图像在OpenCV中非常简单，主要使用 cv::imshow 函数。这个函数接受两个参数：窗口名称和图像变量。以下是一个示例代码片段：

#include <opencv2/opencv.hpp>

int main() {
    // 图像文件路径
    const char* imagePath = "path/to/your/image.jpg";
    // 读取图像
    cv::Mat image = cv::imread(imagePath, cv::IMREAD_COLOR);
    // 如果图像读取成功
    if (!image.empty()) {
        // 创建一个窗口
        cv::namedWindow("Display window", cv::WINDOW_AUTOSIZE);
        // 在窗口中显示图像
        cv::imshow("Display window", image);
        // 等待任意键按下
        cv::waitKey(0);
    }
    return 0;
}

在这段代码中， cv::namedWindow 函数被用来创建一个窗口，该窗口将被用来显示图像。 cv::imshow 函数则将图像显示在创建的窗口中。 cv::waitKey(0) 函数用于等待用户按键，如果传入参数不为零，则表示等待指定的毫秒数。当用户按下任意键时，程序将继续执行，窗口将被关闭。

6.2.2 图像显示时的常用设置

在图像显示过程中，我们可能需要对显示窗口进行一些自定义设置以满足特定需求。OpenCV提供了多个设置函数来实现这些功能：

• cv::setWindowProperty ：设置窗口的特定属性，如大小、位置、窗口标志等。
• cv::destroyWindow ：销毁指定的窗口。
• cv::destroyAllWindows ：销毁所有创建的窗口。

例如，可以使用 cv::setWindowProperty 函数来改变窗口的尺寸：

// 创建一个窗口并设置其属性
cv::namedWindow("Display window", cv::WINDOW_AUTOSIZE);
cv::setWindowProperty("Display window", cv::WND_PROP_ASPECT_RATIO, cv::WINDOW_KEEPRATIO);

// 在窗口中显示图像
cv::imshow("Display window", image);

这里 cv::WND_PROP_ASPECT_RATIO 属性被设置为 cv::WINDOW_KEEPRATIO ，保持了图像的宽高比，防止图像变形。此函数也可以用来改变窗口的缩放级别或位置，为用户提供了更多的灵活性。

在图像处理项目中，对读取和显示机制进行深入理解是至关重要的。这些机制是图像处理工作流的基础，它们的性能直接影响到整个项目的效率和用户体验。通过掌握如何在C语言环境中利用OpenCV库高效地读取和显示图像，开发者能够构建出更稳定、响应更快的图像处理应用。

7. 图像处理代码实践

在本章中，我们将深入探讨如何将理论知识应用于实际图像处理的编程实践中。通过实例演示，我们将学习如何配置开发环境，链接必要的库文件，并编写一个完整的图像处理程序。此外，我们将逐行分析代码以理解其背后的逻辑。

7.1 环境配置与库的链接

在编写和运行图像处理代码之前，首先要确保我们的开发环境已经配置好相应的库文件。这里我们主要关注的是OpenCV库。

7.1.1 OpenCV环境的配置步骤

配置OpenCV环境的步骤通常涉及下载OpenCV源码、编译源码或下载预编译的库文件，以及设置环境变量。以下是配置步骤的概述：

1. 下载OpenCV源码或预编译的二进制文件。
2. 如果是源码，需要编译并安装OpenCV库。
3. 设置环境变量，通常包括 OPENCV_DIR 指向OpenCV安装目录，以及将库文件目录添加到系统的PATH中。

7.1.2 库文件的链接方法

在C/C++项目中链接OpenCV库时，需要指定库文件的路径，并在编译时添加相应的库文件名。这通常在项目的编译配置文件中指定，如Makefile或IDE的项目设置中。

例如，在Linux系统中，你可能需要在编译时添加如下参数：

-lopencv_core -lopencv_imgproc -lopencv_highgui -lopencv_imgcodecs

7.2 完整代码示例与解析

现在我们已经配置好了环境和库文件，接下来我们将介绍一个完整的图像处理示例代码，并逐行进行解释。

7.2.1 一个完整的图像处理示例

以下是一个使用OpenCV进行图像读取、显示和简单的形态学处理（例如，腐蚀和膨胀）的示例代码。

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // 读取图像
    cv::Mat image = cv::imread("input.jpg");
    if (image.empty()) {
        std::cout << "图像读取失败" << std::endl;
        return -1;
    }
    // 显示原图
    cv::imshow("原图", image);
    // 定义结构元素
    cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5));
    // 腐蚀操作
    cv::Mat eroded;
    cv::erode(image, eroded, element);
    cv::imshow("腐蚀后的图像", eroded);
    // 膨胀操作
    cv::Mat dilated;
    cv::dilate(image, dilated, element);
    cv::imshow("膨胀后的图像", dilated);
    // 等待任意键退出
    cv::waitKey(0);
    return 0;
}

7.2.2 代码中的关键步骤解析

1. #include <opencv2/opencv.hpp> ：包含OpenCV库的头文件，使得我们可以使用OpenCV的功能。
2. cv::imread("input.jpg") ：读取名为 input.jpg 的图像文件。
3. cv::imshow("原图", image) ：使用OpenCV的 imshow 函数显示原图。
4. cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5)) ：创建一个5x5的矩形结构元素，用于后续的形态学操作。
5. cv::erode ：执行腐蚀操作， element 为操作中使用的结构元素。
6. cv::dilate ：执行膨胀操作，同样使用 element 作为结构元素。
7. cv::waitKey(0) ：等待用户按键，程序才结束。

在本章中，我们通过配置环境、链接库文件并解释了一个简单的图像处理程序，来展示如何将理论知识应用于实际代码开发中。这一系列操作为读者提供了一个图像处理实践的起点。通过实践，可以进一步深化对形态学图像处理和OpenCV库的理解。

本文还有配套的精品资源，点击获取

简介：膨胀腐蚀是图像处理中的基本形态学操作，广泛应用于计算机视觉和机器学习领域。本文将指导读者如何仅使用C语言和OpenCV库实现图像的读取、膨胀腐蚀处理和显示。包括结构元素的定义、处理函数的调用以及编译环境的配置，旨在帮助读者理解并实践图像的形态学变换。

本文还有配套的精品资源，点击获取