【opencv学习笔记 27 顶帽黑帽形态学梯度】_opencv中的外部梯度与内部梯度的区别与联系-优快云博客

本文链接：https://blog.youkuaiyun.com/Wu123456CS/article/details/105529121

本文深入探讨了形态学图像处理中的顶帽、黑帽、内外梯度等操作原理及其实现方法，通过Python代码示例展示了如何使用OpenCV库进行图像处理，包括顶帽操作、黑帽操作以及内外梯度计算。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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

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()

在这里插入图片描述

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)

在这里插入图片描述
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)

在这里插入图片描述

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)