卷积的意义：加权叠加。更详细的图像卷积和数学理论等，见知乎：https://www.zhihu.com/question/22298352。
数学形态学（Mathematical morphology）：包含腐蚀（erode）、膨胀（dilate）、击中击不中、开运算和闭运算等。
腐蚀和膨胀是对白色部分（高亮部分）而言。膨胀是图中高亮部分进行膨胀。腐蚀是高亮部分被腐蚀缩小。拿腐蚀来理解：个人理解，可能有误：就是一个大图A，一个3X3d的图B，称为核（kernel）。如果图A的某个点P，放一个图B那么大的都能放下，那么中间那个点P就是有效的。否则是无效的点。这样到最后就变小了。
方法：
一、首先获得结构元素。包括结构元素的大小和形状。（GetStructuringElement）。保存在Mat类型的变量里，这个变量，定义为Kernel。例如：
var kernal = CvInvoke.GetStructuringElement(ElementShape.Rectangle, new Size(4, 4), new Point(1, 1));
第一个变量：type类型：有rect、cross、ellipse。就是矩形、十字形和椭圆。
第二个变量：内核尺寸。一般有3X3啊之类的
第三个变量：锚点位置。默认-1，-1。 位于中心。十字形内核依赖锚点位置，其他情况下，只影响结果的偏移。
二、进行腐蚀操作。例如
CvInvoke.Erode(gray, gray, kernal, new Point(0, 2), 1, BorderType.Default, new MCvScalar());
第一个变量：Mat对象即可。图像通道数量可以是任意的，但图像深度应为CV_8U、CV_16U、 CV_16S、 CV_32F、 CV_64F其中之一。
第二个变量：需要与源目标一样尺寸和类型。（这里和源是同一个）
第三个变量：null为3X3，参考点在中心。否则定义个kernal。
第四个变量：默认(-1,-1)，位于element中心？
第五个变量：迭代使用erode()次数。默认为1.
第六个变量：不用管。new MCvScalar()即可。
opencv参数只需要填三个。其余四个都是默认。Emgucv要填。Emgucv的这两个函数只是增加了CVInvoke前缀而已。
接下来，找轮廓和画出来。
findContours发现轮廓。简单几步就可以监测出物体的轮廓。
先二值化~
CvInvoke.FindContours(gray, contours, hierarchy, RetrType.Ccomp, ChainApproxMethod.ChainApproxSimple);
然后第一个变量：单通道图像矩阵，可以是灰度图，但更常用的是二值图。一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值化图像。
第二个变量：是一个向量。new一个就行。并且是一个双重向量。最后会保存在这里。里面有什么东西呢？向量内每个元素保存了一组由连续point点构成的集合的向量。每一组point点集就是一个轮廓。有多少轮廓，向量contours就有多少元素。
第三个变量：hierarchy。StackOverFlow上说直接new Mat()即可。对的。本来定义：向量内每一个元素包含4个int变量的向量。保存了i个轮廓的后一个轮廓，前一个轮廓，父轮廓，内嵌轮廓的索引编号。
第四个变量：是int型。四个。
external只监测最外围轮廓。
list监测所有轮廓，但不存在父轮廓、内嵌轮廓。彼此独立。
ccomp监测所有轮廓，建立2个等级关系。
tree监测所有，建立等级树结构。
第五个变量：none是保存边界上所有连续的轮廓到contours向量内。simple是仅保存轮廓的拐点信息，存入contours。
然后画出来。
for (int i = 0; i < contours.Size; i++)
{
//contours[i]可以变换成矩形。得到这个连通区域的外接矩形
var rect = CvInvoke.BoundingRectangle(contours[i]);
//如果高度不足，或者长宽比太小，认为是无效数据，否则把矩形画到原图上
if (rect.Height > 10 && (rect.Width * 1.0 / rect.Height) > 0.2)
{
rects.Add(rect);
//CvInvoke.DrawContours(resuImage, contours, i, color);//画轮廓
CvInvoke.Rectangle(img, rect, color);//画矩形框
}
}
补充阅读（opencv）：https://blog.csdn.net/dcrmg/article/details/51987348
