基于Python的Opencv学习
基于Python的Opencv学习第九天
今天延续上一篇博客为大家讲一下形态学运算里面的梯度运算，礼帽操作和黑猫图像处理。
一.梯度运算
梯度运算就是在原始图像上，先经过膨胀操作得到膨胀图像，然后经过腐蚀操作，得到腐蚀图像，再利用得到的膨胀图像减去腐蚀图像得到的轮廓就是梯度操作。
梯度（image）=膨胀（image）-腐蚀（image）
梯度运算的结果是得到轮廓图像
进行梯度运算时，我们需要调用函数morphologyEx（）
result=cv2.morphologyEx（img，cv2.MORPH_GRADIENT,kernel）
具体参数和腐蚀操作参数含义一致，不做过多说明。
import cv2
import numpy as np
a=cv2.imread(r"C:\Users\LT010407\Desktop\2.jpg")
k=np.ones((5,5),np.uint8)
b=cv2.morphologyEx(a,cv2.MORPH_GRADIENT,k)
cv2.imshow("a",a)
cv2.imshow("b",b)
这就是进行梯度运算的代码和结果。
二.礼帽操作
礼帽操作和梯度运算相似，通过原始图像减去对原始图像进行开运算后得到的开运算图像，即得到礼貌图像。
礼帽（image）=原始图像（image）-开运算图像（image）
礼帽操作的结果可以获得噪声图像
在礼帽操作中需要调用函数morphologyEx（）
result=cv2.morphologyEx（img，cv2.MORPH_TOPHAT,kernel）
这里均调用了morphologyEx（）函数，只是里面一个固定的参数的变化。
import cv2
import numpy as np
a=cv2.imread(r"C:\Users\LT010407\Desktop\2.jpg")
k=np.ones((5,5),np.uint8)
b=cv2.morphologyEx(a,cv2.MORPH_TOPHAT,k)
cv2.imshow("a",a)
cv2.imshow("b",b)
这是代码和结果，可以看到这幅图像的噪声还是很少的。
三.黑帽操作
和礼帽操作相似，黑帽操作是在原始图像基础上进行闭运算得到闭运算图像，然后用闭运算图像减去原始图像得到黑帽图像。
黑帽图像（image）=闭运算图像（image）-原始图像（image）
得到图像内部的小孔，或前景色中的小黑点
在黑帽操作中需要调用函数morphologyEx（）
result=cv2.morphologyEx（img，cv2.MORPH_BLACKHAT,kernel）
这里均调用了morphologyEx（）函数，只是里面一个固定的参数的变化。
import cv2
import numpy as np
a=cv2.imread(r"C:\Users\LT010407\Desktop\2.jpg")
k=np.ones((5,5),np.uint8)
b=cv2.morphologyEx(a,cv2.MORPH_BLACKHAT,k)
cv2.imshow("a",a)
cv2.imshow("b",b)
今天讲了三个形态学操作，都是继承了前一篇博客的morphologyEx（）函数，具体参数解释还得认真看一下上一篇博客。今天就到这里，小伙伴们下一篇博客见（转载注明出处）