原图

膨胀

通过使用特定的结构元素来扩展图像。该函数使用指定的结构元素扩展源图像，该结构元素确定取最大值的像素邻域的形状。扩张可以迭代。

void cv::dilate(InputArray src, OutputArray dst, InputArray kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar & borderValue = morphologyDefaultBorderValue())

kernel参数：需要使用opencv中的另一个函数指定，或者默认是3*3的矩形。

Mat cv::getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1) )

shape参数是一个枚举，具体如下
MORPH_RECT 矩形
MORPH_CROSS 一个十字
MORPH_ELLIPSE 圆
…
在这里插入图片描述

测试（完整代码文章后面）

在这里插入图片描述

腐蚀

通过使用特定的结构元素腐蚀图像。该函数使用指定的结构元素腐蚀源图像，该结构元素确定取最小值的像素邻域的形状。可迭代

void cv::erode(InputArray src,OutputArray dst, InputArray kernel, Point anchor = Point(-1,-1), int  iterations = 1, int borderType = BORDER_CONSTANT, const Scalar & 	borderValue = morphologyDefaultBorderValue() )

参数类似于膨胀

测试

在这里插入图片描述

filter2D

用内核卷积图像。该函数将任意线性过滤器应用于图像。支持就地操作。当光圈部分在图像之外时，该函数会根据指定的边框模式对异常像素值进行插值。
图像上的卷积，真正的卷积需要将核反转。

void cv::filter2D(InputArray src, OutputArray dst, int ddepth, InputArray kernel, Point anchor = Point(-1,-1), double delta = 0, int borderType = BORDER_DEFAULT)

ddepth 图像的深度，如果要保持与原图一致，填入imgsrc.depth()。
kernel 用Mat_模板设置卷积核
delta 填充的像素

测试

在这里插入图片描述

代码

#include <iostream>
#include <string>
#include <vector>

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc.hpp>

class Test_opencv {
public:
    void save_img(std::string pic_name, cv::Mat pic, std::string path = "C:\\Users\\Administrator\\Desktop\\pic\\") {
        std::string save_path = path + pic_name + ".jpg";
        cv::imwrite(save_path, pic);
    }

    void image_show(cv::Mat pic) {
        cv::imshow("result", pic);
        cv::waitKey(0);
    }
};


int main() {
    Test_opencv test_opencv;
    cv::Mat pic;
    cv::Mat image;
    image = cv::imread("C:\\Users\\Administrator\\Desktop\\grey.jpg", CV_LOAD_IMAGE_GRAYSCALE);// , CV_LOAD_IMAGE_COLOR);
    //cv::Mat struct_ = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5), cv::Point(-1, -1));
    //cv::dilate(image, pic, struct_, cv::Point(-1, -1), 5);
    //cv::erode(image, pic, struct_, cv::Point(-1, -1), 5);//point(-1, -1)意味着中心点
    
    //test_opencv.image_show(image);
    cv::Mat kernel = (cv::Mat_<int>(3, 3) << 1, -2, 1,
                                            2, -4, 2,
                                            1, -2, 1);
    cv::filter2D(image, pic, image.depth(), kernel, cv::Point(-1, -1));
    //test_opencv.image_show(pic);
    test_opencv.save_img("erode", pic);
    return 0;
}