二值图像腐蚀函数
[算法说明]：二值图像腐蚀操作属于图像形态学的范畴，形态学运算是只针对二值图像进行，并依据数学形态学(Mathermatical Morphogy)集合论方法发展起来的数字图像处理方法，它主要包括：
腐蚀，膨胀，开，闭，击中，击不中
图像形态学运算，要使用结构元素，所谓结构元素是指具有某种确定形状的基本结构，它的选择一般要求其具有旋转不变性或者镜像不变性，即：结构元素的原点在其几何中心处，周围像素关于原点对称。
腐蚀：
我们假设结构元素为S，则腐蚀算法如下：
其中，F为二值图像原图，X为结构元素原点所在的二值图像中的连通域。
假设F中目标像素为255(白色)，非目标为0(黑色)，当结构元素S原点移动到点(x,y)时，如果S中所有点均包含在X中(X中对应在S中所有点的位置均为255)，则在腐蚀后的二值图像中，对应于S原点的位置为255(白色)，否则为0(黑色)。
用通俗的话来说就是：用结构元素作为模板在原始二值图像种平滑一遍，扫描图像的每一个像素，用结构元素中的每一个元素与其覆盖的二值图像做“与”操作(假设结构元素都为1)，如果结果都为1，则二值图像中对应结构元素原点位置的像素值为1，否则为0。
腐蚀能够消融物体的边界，而具体的腐蚀结果与图像本身结构元素形状有关。
I=imerode(Img, SE); %I 是腐蚀后的图片
%Img是原始图像
%SE是由strel函数返回的自定义或者预设的结构元素的对象
SE =strel(shape, paramenters);
%shape指定了结构元素的形状
%paramenters和输入的shape的参数有关
I=imread('/1.jpg');se = strel('square',16)Ib = imerode(I,se);%腐蚀se = strel('square',32)Ic = imerode(I,se);%腐蚀figure,subplot(1,3,1);imshow(I);subplot(1,3,2);imshow(Ib);subplot(1,3,3);imshow(Ic);
膨胀：
膨胀和腐蚀相反，能使物体边界扩大，
I2 =imdilate(Img, SE); %I2 是膨胀后的图片
%Img是原始图像
%SE是由strel函数返回的自定义或者预设的结构元素的对象
I=imread('D:/3-matlab-example/2/2.png');Ie1 = imerode(I,[1,1,1;1,1,1;1,1,1]);%3x3正方形结构元素的腐蚀Ie2 = imerode(Ie1,[0,1,0;1,1,1;0,1,0]);%3x3十字形结构元素的腐蚀Id1 = imdilate(Ie2,[1,1,1;1,1,1;1,1,1]);%3x3正方形结构元素的膨胀Id2 = imdilate(Id1,[1,1,1;1,1,1;1,1,1]);%3x3正方形结构元素的膨胀Id3 = imdilate(Id2,[0,1,0;1,1,1;0,1,0]);%3x3十字形结构元素的膨胀figure,subplot(2,3,1);imshow(I);subplot(2,3,2);imshow(Ie1);subplot(2,3,3);imshow(Ie2);subplot(2,3,4);imshow(Id1);subplot(2,3,5);imshow(Id2);subplot(2,3,6);imshow(Id3);
其他相关文章请点击：
图像算法一：【图像点运算】灰度直方图、伽马变换、灰度阈值变换、分段线性变换、直方图均衡化
图像算法二：【图像几何变换】平移、镜像、转置、缩放、旋转、插值
图像算法三：【图像增强--空间域】图像平滑、中值滤波、图像锐化
图像算法四：【图像增强--频率域】傅里叶变换、快速傅里叶变换、频域滤波、频域低通滤波、频域高通滤波
图像算法五：【图像小波变换】多分辨率重构、Gabor滤波器、Haar小波
图像算法六：【彩色图像处理】彩色模型、彩图处理
图像算法七：【形态学图像处理】二值运算、膨胀、腐蚀
图像算法八：【图像分割】边缘检测（Roberts，Sobel，canny）、霍夫变换（hough）、阈值分割、区域分割
图像算法九：【图像特征提取】特征降维、PCA人脸特征抽取、局部二进制
~~~~
