【OpenCv 4 Python 3.7】图像形态学操作之顶帽、黑帽、形态学梯度

1、顶帽

是原图像与开操作之间的差值图像
开操作先腐蚀后膨胀，开操作之后就只剩下白色的矩形，原图减去矩形就是下面的。。
在这里插入图片描述

2、黑帽

是闭操作图像与源图像的差值图像

在这里插入图片描述

3、形态学梯度

 基本梯度基本梯度是用膨胀后的图像减去腐蚀后的图像得到差值
图像，称为梯度图像也是opencv中支持的计算形态学梯度的方法，而此方法得到梯度有被称为基本梯度。

 内部梯度是用原图像减去腐蚀之后的图像得到差值图像，称为图像的内部梯度

 外部梯度图像膨胀之后再减去原来的图像得到的差值图像，称为图像的外部梯度

代码实现：

 import cv2 as cv
import numpy as np

#顶帽 黑帽：用灰度图像
def hat_gray_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)#灰度图像
    #结构元素
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 15))
    #形态学操作：MORPH_TOPHAT黑帽   cv.MORPH_TOPHAT：顶帽
    dst = cv.morphologyEx(gray, cv.MORPH_TOPHAT, kernel)
    #cimage 和 gray的大小相同
    cimage = np.array(gray.shape, np.uint8)
    cimage = 120;
    #提高亮度
    dst = cv.add(dst, cimage)
    cv.imshow("tophat", dst)

#顶帽 黑帽：用二值图像
def hat_binary_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, (15, 15))
    dst = cv.morphologyEx(binary, cv.MORPH_BLACKHAT, kernel)
    cv.imshow("tophat", dst)


def gradient_binary_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))
    #MORPH_GRADIENT：梯度
    dst = cv.morphologyEx(binary, cv.MORPH_GRADIENT, kernel)
    cv.imshow("tophat", dst)


def gradient2_demo(image):
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
    dm = cv.dilate(image, kernel)
    em = cv.erode(image, kernel)
    #原图像减去腐蚀的
    dst1 = cv.subtract(image, em) # internal gradient：内部梯度
    #膨胀的减去原图
    dst2 = cv.subtract(dm, image) # external gradient：外部梯度
    cv.imshow("internal", dst1)
    cv.imshow("external", dst2)


print("--------- Python OpenCV Tutorial ---------")
src = cv.imread("E:/ji_qi_xue_xi/opencv_kejian/opencv_python_image/test.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
gradient2_demo(src)
cv.waitKey(0)

cv.destroyAllWindows()

gradient2_demo 结果：

在这里插入图片描述

函数补充说明

open_binary=cv.morphologyEx(binary,cv.MORPH_OPEN,kernel)
close_binary=cv.morphologyEx(binary,cv.MORPH_CLOSE,kernel)

1
函数参数：

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像位深应该为以下五种之一：CV_8U,CV_16U,CV_16S, CV_32F 或CV_64F。

第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。

第三个参数，int类型的op，表示形态学运算的类型，可以是如下之一的标识符：
MORPH_OPEN – 开运算（Opening operation）
MORPH_CLOSE – 闭运算（Closing operation）
MORPH_GRADIENT -形态学梯度（Morphological gradient）
MORPH_TOPHAT - “顶帽”（“Top hat”）
MORPH_BLACKHAT - “黑帽”（“Black hat“）

第四个参数，InputArray类型的kernel，形态学运算的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。

第五个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。
第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1。

第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_ CONSTANT。

第八个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。