数字图像处理: 形态学处理——图像顶帽运算和黑帽运算

原文：https://xiongyiming.blog.csdn.net/article/details/89792247

 

前面介绍了 形态学处理——图像开运算与图像闭运算，其中：

图像开运算：先腐蚀，后膨胀。一般会平滑物体的轮廓、断开较窄的狭颈并消除细的突出物。

图像闭运算：先膨胀，后腐蚀。同样也会平滑轮廓的一部分。但与开操作相反，它通常会弥合较窄的间断和细长的沟壑，消除小的孔洞，填补轮廓线中的断裂。

 

1 图像顶帽运算(原始图像 — 开运算)

1.1 基本原理

图像顶帽tophat（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：原始图像 — 图像开运算

 

 

 

1.2 代码示例

图像顶帽运算使用函数 morphologyEx() ，其参数 cv2.MORPH_TOPHAT 对应顶帽运算。

morphologyEx() 函数形式如下：

dst = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)

其中，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。

例如，下图表示 55 的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。

 

 

（1）卷积核大小为 55 

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np
 
#读取图片
src = cv2.imread('test5.bmp', cv2.IMREAD_UNCHANGED)
 
#设置卷积核
kernel = np.ones((5,5), np.uint8)
 
#图像闭运算
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()

运行结果如下图所示：

 

 

（2）卷积核大小为 1515 

运行结果如下图所示：

 

 

2 图像黑帽运算(闭运算 — 原始图像)

2.1 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：闭运算 — 原始图像

 

 

2.2 代码示例

图像黑帽运算使用函数 morphologyEx() ，其参数 cv2.MORPH_BLACKHAT 对应黑帽运算。

morphologyEx() 函数形式如下：

dst = cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)

其中，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。

例如，下图表示 55 的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。

 

 

（1）卷积核大小为 55

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np
 
#读取图片
src = cv2.imread('test6.bmp', cv2.IMREAD_UNCHANGED)
 
#设置卷积核
kernel = np.ones((5,5), np.uint8)
 
#图像闭运算
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()

运行结果如下图所示：

 

 

（2）卷积核大小为 1515

运行结果如下图所示：