在MATLAB中，除了开和关运算外，MATLAB图像处理工具箱还提供了其他以膨胀和腐蚀为基础的形态学操作，例如bwmorph（）、bwperim（）等函数，可以用于图像的骨骼化、细化处理。以下通过几个具体例子来介绍bwmorph（）函数的功能。
1.骨架提取
为了把图像中的目标缩减为直线而不改变图像的主要结构，可以使用bwmorph（）函数来提取图像中目标的骨架，它常见调用方法如下：
BW2=bwmorph（BW，‘skel’）
BW2=bwmorph（BW，‘skel’，n）
其中：
BW是输入的二值图像；
skel是专门的形态学操作；
n是指该形态学操作执行的次数，可以为无限次，直到图像不发生变化为止；
BW2是返回的提取骨架后的图像。
对一张二值图像进行骨架化，具体MATLAB代码实现如下：
clear all；
clc；
BW1=imread（'3.png'）；
BW2=bwmorph（BW1，'skel'，Inf）；
subplot（121），imshow（BW1）；
subplot（122），imshow（BW2）；
在程序中，先读入二值图像，然后通过函数bwmorph（）进行二值图像的骨架化处理，程序运行后结果如图8.12所示。图像的骨架化就是将图像中所有对象都简化为线条，但是图像的基本结构并不改变，同时保留了图像的基本轮廓。
图8.12 二值图像骨架化
2.细化处理
在MATLAB中，图像的细化与骨架化处理函数的调用格式基本一致，下面是对二值图像进行细化处理的代码实现：
clear all；
clc；
BW1=imread（'3.png'）；(www.xing528.com)
BW2=bwmorph（BW1，'thin'，Inf）；
subplot（121），imshow（BW1）；
subplot（122），imshow（BW2）；
在程序中，先读入二值图像，然后通过函数bwmorph（）进行二值图像的细化处理，程序运行后结果如图8.13所示。
图8.13 二值图像细化操作
3.边缘检测
对于二值图像来说，如果它的像素值为1，而邻域中至少有一个像素值为0则称其为边界像素，MATLAB图像处理工具箱中使用bwperim（）函数来检测图像的边界，它的常见调用方法如下：
BW2=bwperim（BW1）
BW2=bwperim（BW1，conn）
其中：
BW1是指输入的二值图像。
conn规定了连通性，对于二维图像来说，conn可以为4或者8，默认为4，对于三维图像来说，conn可以为6，18或者26，默认值为6。
BW2是返回的边界图像。
对二值图像进行边缘检测，MATLAB代码实现如下：
clear all；
clc；
BWl=imread（'2.png'）；
BW2=bwperim（BW1，8）；
subplot（121），imshow（BW1）；
subplot（122），imshow（BW2）；
在程序中，先读入二值图像，然后通过函数bwperim（）进行二值图像的边缘检测处理，程序运行后结果如图8.14所示。
图8.14 二值图像边缘检测
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
