【opencv学习笔记 27 顶帽 黑帽 形态学梯度】

顶帽 tophat

原图像与开操作之间的差值图像

黑帽blackhat

原图像与闭操作之间的差值图像

形态学梯度

• 内部梯度
  原图像减去腐蚀之后的图像得到的差值图像
• 外部梯度
  图像膨胀之后再减去原来图像得到的差值图像

相关代码

顶帽操作

import cv2 as cv


def top_hat_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
    # 顶帽操作
    dst = cv.morphologyEx(gray, cv.MORPH_TOPHAT, kernel)
    # cimage = np.array(gray.shape, np.uint8)
    cimage = 120
    dst = cv.add(dst, cimage)
    cv.imshow("tophat", dst)

src = cv.imread("image20.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
top_hat_demo(src)
cv.waitKey(0)

cv.destroyAllWindows()

黑帽操作

# 修改形态学操作方式为 cv.MORPH_BLACKHAT
dst = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, kernel)

修改核大小可以得到不同的效果

梯度操作

• 一般梯度操作

def gradient_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
    # 梯度
    dst = cv.morphologyEx(binary, cv.MORPH_GRADIENT, kernel)
    cv.imshow("MORPH_GRADIENT", dst)

• 内部梯度与外部梯度

def gradient2_demo(image):
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
    dm = cv.dilate(image, kernel)
    em = cv.erode(image, kernel)
    # 内梯度
    dst1 = cv.subtract(image, em)  # internal gradient
    # 外梯度
    dst2 = cv.subtract(dm, image)  # external gradient
    cv.imshow("internal", dst1)
    cv.imshow("external", dst2)