第8章 形態學與分割#

把影像變成「有意義的區域」是影像分析的轉捩點：前面章節產生的是改良的影像（更清晰、邊緣更強），本章開始產生結構——哪些像素屬於同一個物件、物件的邊界在哪裡。這條路有兩大工具。

形態學 (morphology) 是針對二值影像（也可推廣到灰階）的集合論運算：用一個小小的結構元素 (structuring element) 在影像上滑動，做「結構元素覆蓋範圍內是否全為 1（侵蝕）」或「是否任一為 1（膨脹）」的測試。侵蝕縮小白色區域並消除小雜點，膨脹擴大白色區域並填補小孔；兩者複合成開運算（先蝕後脹）與閉運算（先脹後蝕），分別是「去白雜點」與「補黑洞」的標準藥方。

分割 (segmentation) 則回答「哪些像素屬於同一物件」。連通元件標記 (connected component labeling) 用洪泛填充把相鄰的前景像素歸成編號群組——它依賴「相鄰」這個拓撲概念，4-連通與 8-連通的選擇會直接改變結果。分水嶺 (watershed) 把灰階影像看成地形，水從局部極小值淹上來，集水區的邊界就是分割線——它是最優雅也最容易過度分割的演算法；區域成長 (region growing) 則從種子點出發，貪婪地吸收符合同質性條件的鄰居。

本章的輸出（標籤圖、區域邊界）是第 9 章特徵描述與第 10 章物件偵測的輸入。二值化（2.3 節）+ 形態學清理 + 連通標記，是傳統影像分析最經典的「三件套」，請務必把整條 pipeline 跑通一次。