/*
 * ============================================================
 * 实验 6：形态学操作 —— 腐蚀 (Erode) 与膨胀 (Dilate)
 * 知识点：cv::erode、cv::dilate、cv::getStructuringElement
 * ============================================================
 *
 * 【实验目标】
 *   1. 理解"腐蚀"和"膨胀"对二值图像的作用
 *   2. 了解"开运算"和"闭运算"的组合效果
 *   3. 掌握结构元素 (kernel) 的概念
 *
 * 【生活化比喻】
 *   腐蚀 (Erosion)：
 *   想象沙滩上写着一些字，涨潮时海水冲上来，把字的边缘"吃掉"一圈
 *   → 白色区域被"侵蚀"，变小了、断开了、甚至消失了
 *   → 作用：消除小白点噪声、断开粘连的物体
 *
 *   膨胀 (Dilation)：
 *   想象给一栋房子外围再砌一圈围墙，房子"胖了"
 *   → 白色区域被"扩张"，变大了、连在一起了
 *   → 作用：填充小黑洞、连接断裂的物体
 *
 *   开运算 (Opening) = 先腐蚀，再膨胀：
 *   想象洗菜时，先让虫子被水"冲掉"（腐蚀），
 *   然后蔬菜可能会缩一点，再"泡水"让它恢复原大小（膨胀）
 *   → 去掉小白点噪声，同时保持物体大小基本不变
 *
 *   闭运算 (Closing) = 先膨胀，再腐蚀：
 *   想象一件有破洞的衣服，先"拉伸"布料让洞缩小（膨胀），
 *   再"熨平"恢复形状（腐蚀）
 *   → 填充物体内部的黑色小洞，同时保持物体大小基本不变
 *
 *   结构元素 (Structuring Element / Kernel)：
 *   腐蚀和膨胀不是乱"吃"乱"胀"的，而是用一个模板来做的
 *   这个模板就是"结构元素"，它决定了"腐蚀/膨胀的形状和范围"
 *   - 矩形结构元素 (MORPH_RECT)：像盖章一样方方正正
 *   - 椭圆形结构元素 (MORPH_ELLIPSE)：圆形范围
 *   - 十字形结构元素 (MORPH_CROSS)：只影响上下左右
 *
 * 【函数详解】
 *   cv::erode(src, dst, kernel, anchor, iterations)
 *   cv::dilate(src, dst, kernel, anchor, iterations)
 *
 *   src        ：输入图像（通常是二值图）
 *   dst        ：输出图像
 *   kernel     ：结构元素，用 cv::getStructuringElement() 创建
 *   anchor     ：锚点位置，默认是核的中心 (-1,-1)
 *   iterations ：操作重复次数（相当于执行几次腐蚀/膨胀）
 *
 *   cv::getStructuringElement(shape, ksize)
 *   shape ：MORPH_RECT（矩形）、MORPH_ELLIPSE（椭圆）、MORPH_CROSS（十字）
 *   ksize ：核大小，如 cv::Size(5,5)
 */

#include <opencv2/opencv.hpp>
#include <iostream>

int main()
{
    // ==========================================
    // 第一部分：生成一张带噪声的二值测试图
    // ==========================================
    std::cout << "[步骤 1] 正在生成二值测试图片..." << std::endl;

    // 创建黑色背景
    cv::Mat binary(300, 500, CV_8UC1, cv::Scalar(0));

    // 画一个大的白色矩形（作为"主体目标"）
    cv::rectangle(binary, cv::Point(80, 60), cv::Point(420, 240),
                  cv::Scalar(255), -1);  // 白色填充矩形

    // 在矩形内部打几个孔（黑色小圆，模拟"目标内部的空洞"）
    cv::circle(binary, cv::Point(180, 150), 20, cv::Scalar(0), -1);  // 内部孔洞 1
    cv::circle(binary, cv::Point(320, 150), 20, cv::Scalar(0), -1);  // 内部孔洞 2

    // 在背景中撒一些白色噪点（模拟"背景中的噪声"）
    // 这些小白点不是我们想要的目标，它们应该被腐蚀"消除"
    for (int i = 0; i < 50; i++)
    {
        int x = rand() % 500;
        int y = rand() % 300;
        cv::circle(binary, cv::Point(x, y), 3, cv::Scalar(255), -1);
    }

    cv::imwrite("binary.jpg", binary);
    std::cout << "  -> 原始二值图已保存为 binary.jpg" << std::endl;
    std::cout << "     （白色矩形为主体，内部有小黑洞，背景有白色噪点）" << std::endl;

    // ==========================================
    // 第二部分：创建结构元素
    // ==========================================
    // 结构元素的大小会影响腐蚀/膨胀的效果范围
    // 核越大，每次操作影响的范围越大
    // 这里使用 5×5 的矩形核作为演示
    cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5));
    // 你也试试换成椭圆形核：
    // cv::Mat kernel = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(5,5));

    // ==========================================
    // 第三部分：腐蚀操作
    // ==========================================
    std::cout << "[步骤 2] 执行腐蚀操作 (Erosion)..." << std::endl;

    cv::Mat eroded;
    cv::erode(binary, eroded, kernel);
    // 效果预期：
    //   - 白色矩形整体"瘦"了一圈（边缘被腐蚀）
    //   - 背景上的白色小噪点可能被完全消除（因为它们太小了）
    //   - 矩形内部的黑洞变大了（因为黑洞周围的白色被腐蚀了）
    cv::imwrite("eroded.jpg", eroded);
    std::cout << "  -> 已保存为 eroded.jpg（白色区域变小，噪点可能消失）" << std::endl;

    // ==========================================
    // 第四部分：膨胀操作
    // ==========================================
    std::cout << "[步骤 3] 执行膨胀操作 (Dilation)..." << std::endl;

    cv::Mat dilated;
    cv::dilate(binary, dilated, kernel);
    // 效果预期：
    //   - 白色矩形整体"胖"了一圈（边缘被扩张）
    //   - 背景上的白色小噪点也变大了
    //   - 矩形内部的黑洞变小了（因为黑洞外围的白色膨胀进来）
    cv::imwrite("dilated.jpg", dilated);
    std::cout << "  -> 已保存为 dilated.jpg（白色区域变大，内部黑洞变小）" << std::endl;

    // ==========================================
    // 第五部分：开运算（先腐蚀再膨胀）
    // ==========================================
    std::cout << "[步骤 4] 执行开运算 (Opening = 腐蚀 + 膨胀)..." << std::endl;

    // 开运算没有单独的函数，需要手动组合两个步骤
    cv::Mat opened;
    cv::erode(binary, opened, kernel);   // 第一步：腐蚀
    cv::dilate(opened, opened, kernel);  // 第二步：在原结果上膨胀
    // 效果预期：
    //   - 白色的噪点被腐蚀消灭了 → 膨胀也无法复原 → 噪点彻底消失
    //   - 矩形主体的边缘先瘦再胖，大小基本恢复原样
    //   - 但是内部的黑洞变大了（因为腐蚀扩大了黑洞）
    cv::imwrite("opened.jpg", opened);
    std::cout << "  -> 已保存为 opened.jpg（去掉了噪音，但内部黑洞变大了）" << std::endl;

    // ==========================================
    // 第六部分：闭运算（先膨胀再腐蚀）
    // ==========================================
    std::cout << "[步骤 5] 执行闭运算 (Closing = 膨胀 + 腐蚀)..." << std::endl;

    cv::Mat closed;
    cv::dilate(binary, closed, kernel);  // 第一步：膨胀
    cv::erode(closed, closed, kernel);   // 第二步：在原结果上腐蚀
    // 效果预期：
    //   - 矩形内部的黑洞被膨胀填上了 → 腐蚀后也不会再出现 → 黑洞消失！
    //   - 背景上的白色噪点膨胀变大 → 无法被腐蚀消除 → 噪点反而更大了
    //   - 矩形主体的边缘先胖再瘦，大小基本恢复原样
    cv::imwrite("closed.jpg", closed);
    std::cout << "  -> 已保存为 closed.jpg（填充了内部黑洞，但背景噪点变大了）" << std::endl;

    // ==========================================
    // 第七部分：多次形态学操作
    // ==========================================
    std::cout << "[步骤 6] 执行多次腐蚀 (iterations=3)..." << std::endl;

    cv::Mat eroded_multi;
    // iterations=3 表示连续执行 3 次腐蚀
    // 等价于手动写三次 cv::erode(..., eroded_multi, kernel)
    // 每腐蚀一次，白色区域就缩小一圈
    cv::erode(binary, eroded_multi, kernel, cv::Point(-1, -1), 3);
    cv::imwrite("eroded_x3.jpg", eroded_multi);
    std::cout << "  -> 已保存为 eroded_x3.jpg（腐蚀 3 次，白色区域大幅缩小）" << std::endl;

    // 总结
    std::cout << std::endl;
    std::cout << "===== 实验 6 完成 =====" << std::endl;
    std::cout << "你学会了：" << std::endl;
    std::cout << "  1. 腐蚀：白色区域缩小，可以去噪点" << std::endl;
    std::cout << "  2. 膨胀：白色区域扩大，可以填黑洞" << std::endl;
    std::cout << "  3. 开运算：去噪点但大体保持目标大小" << std::endl;
    std::cout << "  4. 闭运算：填空洞但大体保持目标大小" << std::endl;
    std::cout << "  5. 结构元素决定了操作的形状和范围" << std::endl;

    return 0;
}