形态学上的图像顶帽运算和黑帽运算是什么？
作者 | 杨秀璋
责编 | 夕颜
出品 | CSDN博客
数学形态学（Mathematical morphology）是一门建立在格论和拓扑学基础之上的图像分析学科，是数学形态学图像处理的基本理论。其基本的运算包括：腐蚀和膨胀、开运算和闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换等。
本篇文章主要讲解Python调用OpenCV实现图像形态学转化，包括图像顶帽运算和图像黑帽运算，基础性知识希望对您有所帮助。
1.图像顶帽运算
2.图像黑帽运算
图像顶帽运算
1.基本原理
图像顶帽（或图像礼帽）运算是原始图像减去图像开运算的结果，得到图像的噪声。如下图所示：
顶帽运算(img) = 原始图像(img) - 开运算(img) 
2.函数原型
图像开运算主要使用的函数morphologyEx，它是形态学扩展的一组函数，其参数cv2.MORPH_TOPHAT对应开运算。其原型如下：
dst = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)
参数dst表示处理的结果，src表示原图像，cv2.MORPH_TOPHAT表示顶帽运算，kernel表示卷积核。下图表示5*5的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。
卷积如下图所示：
3.代码实现
完整代码如下所示：
#encoding:utf-8import cv2import numpy as np
#读取图片src = cv2.imread('test01.png', cv2.IMREAD_UNCHANGED)
#设置卷积核kernel = np.ones((5,5), np.uint8)
#图像顶帽运算result = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)
#显示图像cv2.imshow("src", src)cv2.imshow("result", result)
#等待显示cv2.waitKey(0)cv2.destroyAllWindows()
输出结果如下图所示，可以看到外部噪声被提取出来。
如果想获取更多的细节，可以将卷积设置为10*10，如下图所示：
kernel = np.ones((10,10), np.uint8)
result = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)
图像黑帽运算
1.基本原理
图像黑帽运算是图像闭运算操作减去原始图像的结果，得到图像内部的小孔，或者前景色中的小黑点。如下图所示：
黑帽运算(img) = 闭运算图像(img) - 原始图像(img) 
2.函数原型
图像开运算主要使用的函数morphologyEx，它是形态学扩展的一组函数，其参数cv2.MORPH_BLACKHAT对应开运算。其原型如下：
dst = cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)
参数dst表示处理的结果，src表示原图像，cv2.MORPH_BLACKHAT表示黑帽运算，kernel表示卷积核。下图表示5*5的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。
3.代码实现
完整代码如下所示：
#encoding:utf-8import cv2import numpy as np
#读取图片src = cv2.imread('test02.png', cv2.IMREAD_UNCHANGED)
#设置卷积核kernel = np.ones((5,5), np.uint8)
#图像黑帽运算result = cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)
#显示图像cv2.imshow("src", src)cv2.imshow("result", result)
#等待显示cv2.waitKey(0)cv2.destroyAllWindows()
输出结果如下图所示，可以看到图像内部黑点被提取出来。
但内部比较大的四个黑点没有被提取，如果想获取更多的细节，可以将卷积设置为10*10，如下图所示：
kernel = np.ones((10,10), np.uint8)
result = cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)
原文链接：https://0x9.me/vC3mK
更多精彩推荐
☞遭遇 XSS 跨站脚本攻击？稳住，这些方法可保你渡劫 | 附代码、图解
☞融资 2000 万美元后，他竟将核心代码全开源，这……能行吗？
☞赞！网红程序员 AI 修复多国古老街景视频
☞赠书 | 人工智能识万物：卷积神经网络的前世今生
☞MySQL 索引分析除了 EXPLAIN 还有什么方法？
☞医疗数字化：区块链或成最强辅助
点分享点点赞点在看