石鑫华视觉
NI Vision Assistant视觉助手教程
石鑫华机器视觉网：形态学重建，也是一种滤波器。其可以将范围外的特征过滤掉。形态学重建使用缓慢的构建操作以保持粒子并且使用基于腐蚀的重建来保持孔洞后，重建一幅基于输入的标记图像的原始图像。形态学重建可以应用于二值图像和灰度图像。用于灰度图像的即为灰度形态学重建，用于二值图像的即为二值形态学重建。对于二值图像，形态学计算的结果是源图像的目标如果与标记图像中包含的目标重叠，则被保留在最后的结果图像中。而对于灰度图像，扩大的结果可能是有用的因为一系列的原因，包括删除一些信息同时保留其它一些完整信息、分割图像区域基于他们的灰度值、H-Dome（H圆顶）提取和阴影去除等。
形态学重建技术通常可以应用于身体内的医学图像上，以及在纺织制造业中发现缺陷。
形态学重建对于从一个较少的组成部分图像（标记图像）重建或从图像中移除特征是有用的，而且并不需要改变图像中的目标形状。这个对于相对于线性滤波器和非线性滤波器，其可以在保证图像形状、边缘信息的同时，又滤除噪声干扰信息等。
在许多应用中，需要去除所有与图像边界连接的目标。实际上，在进行目标特征计算时，这些边界的特征往往是不需要的，特征的计算可能会有误差。利用输入图像作为原始图像，缓存一张处理过的图像（如Mask、滤波、形态学等）作为标记图像，再应用形态学重建便可提取出在标记图像覆盖范围内的目标特征。
下面先来看一个灰度形态学重建的例子，了解一下其基本应用。图1为灰度形态学函数在视觉助手函数选项卡中的位置。点击灰度形态学函数Gray Morphological Reconstruction，进入灰度形态学函数配置界面。如下图2所示：
图1 灰度形态学重建函数位置
图2 灰度形态学函数配置界面
在图中看到，灰度形态学配置界面中有一个黄色的感叹号，提示No Compatible image available无兼容图像可用。这是提示没有标记图像可以使用。因为形态学函数需要一张原始图像、一张标记图像、以及标记点。因此还需要在使用灰度形态学之前先设置一幅标记图像并保存在图像缓存系统中。
图3 灰度形态学效果图
这个实现过程是加载原始图像，然后使用Image Buffer函数保存原始图像：
图4 保存原始图像作为需要重建的图像-即灰度形态学重建中的原始图像
保存了原始图像后，使用Get Image获取图像函数，加载标记图像：
图5 加载标记图像
加载标记图像后，再使用灰度图像重建函数，在设置选项卡中进行相关设置，就可以配置好灰度形态学重建了。灰度形态学重建设置选项卡如下图所示：
欲了解本函数详细应用，请订购《基于Vision Assistant的图像处理实用教程》。