图像形态学操作：基于CUDA的图像处理算法---灰度图像腐蚀

一、腐蚀和膨胀
1、腐蚀和膨胀的主要功能
（1）消除噪声

（2）分割出独立的图像元素，在图像中连接相邻的元素

（3）寻找图像中的极大值或者极小值区域

（4）求出图像的梯度

2、膨胀（dilate）
膨胀就是求局部最大值的操作。从数学角度来说，就是将图像与核进行卷积，计算核B覆盖区域的像素点的最大值，并把这个最大值赋值给参考点指定的元素。这样就会使图像中的高亮区域逐渐增长。

3、腐蚀（erode）
腐蚀和膨胀是相反的操作，腐蚀是求局部最小值的操作。腐蚀操作会使图像中的高亮区逐渐减小。
 

膨胀和腐蚀被称为形态学操作。它们通常在二进制图像上执行，类似于轮廓检测。通过将像素添加到该图像中的对象的感知边界，扩张放大图像中的明亮白色区域。侵蚀恰恰相反：它沿着物体边界移除像素并缩小物体的大小。
通常这两个操作是按顺序执行的，以增强重要的对象特征！

• 膨胀
  要在OpenCV中扩展图像，您可以使用该dilate函数和三个输入：原始二进制图像，确定扩张大小的内核（无将导致默认大小），以及执行扩张的多次迭代（通常= 1）
  在下面的例子中，我们有一个5x5的内核，它们在图像上移动，就像一个滤波器一样，如果任何周围的像素在5x5窗口中都是白色，则将像素变成白色！我们将使用草书字母“j”的简单图像作为示例。
• 腐蚀
  为了侵蚀图像，我们采用erode函数。

C++