OpenCV学习笔记（三）形态学处理之下篇（顶帽、黑帽、形态学梯度）

上篇介绍了形态学中的膨胀、腐蚀操作，这篇介绍形态学处理的进阶操作：顶帽（礼帽）、黑帽和形态学梯度。

顶帽操作

公式为：
从公式中可以看出顶帽操作是使用的原图像（src）—开运算后图像 得到的目标图像（dst），开运算操作得到的效果是放大黑色裂缝或者是局部低亮度区域。顶帽操作后的结果是突出原图像中对比度强的区域的边界部分。如下图：

上图中dst是开运算后的图像，src是顶帽操作后的图像，可以看出在细胞的边界这种对比度很强的地方，提取出了其中细胞壁周围的较明亮的区域。但是这种效果不明显，因为顶帽操作和黑帽操作都是适用于分离比邻近点亮或者暗的斑块。其合适的使用场合是：当试图孤立的部分相对于其邻近的部分有亮度变化时可以用这种方法。

黑帽操作

黑帽与顶帽类似，只不过其原理是使用闭运算后的图像—原图像得到的目标图像，公式如下：

闭运算的作用是联通亮的区域，压缩暗的区域，从图像边界来看就是边界处的黑色区域更小了，再减去原图像，剩下的图像显示出的就是原图像中的边界部分图像。如下图所示：

dst是闭运算后的图像，src是黑帽操作后的图像，可以看出，边界还是比较好的提取出来了。

形态学梯度

形态学梯度公式是：
目标图像=原图像膨胀-原图像腐蚀
经过此操作后，能将图像的边缘部分提取出来，感觉上和边缘检测类似，但是它与边缘检测相比有个独特的优点，那就是能同时提取出图像的外围和内围边缘。如下图所示：

更明显的：

可以看出，外面的四个小圆，不仅外围边缘提取出来了，内围边缘同样提取出来了。形态学梯度在一定情况下比边缘检测算法更好使一点。