OpenCV开运算（Opening）闭运算（Closing）形态梯度（Gradient）TopHat、BlackHat

已于 2025-02-20 17:40:01 修改
阅读量5.9k 收藏 5
点赞数 1
CC 4.0 BY-SA版权
分类专栏： OpenCV 文章标签： opencv 人工智能 计算机视觉
于 2018-11-30 19:01:04 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/kingroc/article/details/84666553
本文介绍了OpenCV中的形态学操作，包括开运算（Opening）、闭运算（Closing）和形态梯度（Gradient）。开运算用于消除小斑点，闭运算用于消除小黑点，形态梯度则用于获取图像轮廓。此外，还提到了Top Hat（原图减开运算图）和Black Hat（原图减闭运算图）在显示特定图像特征方面的作用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

《OpenCV系列教程》
项目位置 OpenCV Sample
代码位置：15-OpeningClosingGradientTophatBlackhat.py

import cv2

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
img = cv2.imread('./res/jeep.jpeg')
cv2.imshow('org', img)

opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, iterations=2)
cv2.imshow('open', opening)

closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, iterations=2)
cv2.imshow('close', closing)

gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('gradient', gradient)

tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)

blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat', blackhat)

cv2.waitKey(0)
cv2.destroyAllWindows()
  • Opening开运算：先腐蚀再开放叫开运算，作用能消除图片上的小标点。
  • Closing闭运算：线膨胀后腐蚀。作用是消除图片上的小黑点。
  • Gradient 用于获取图片的轮廓，形态梯度图 = 彭长图 - 腐蚀图
  • Top Hat = 原图 - 开运算图，显示出原图去除掉的白色部分。
  • Black Hat = 原图 - 闭运算， 显示出原图去除掉的黑色部分。

效果图：
在这里插入图片描述

利用TopHat顶帽处理图像获取背景噪声
.
07-06 281
在本篇文章中，我们将使用OpenCV-Python库中的cv2.morphologyEx()函数，利用TopHat顶帽技术来获取图像背景噪声。在上述代码中，我们使用cv2.imshow()函数来展示原始图像和TopHat顶帽处理后的图像，并最终使用cv2.destroyAllWindows()函数来关闭所有已打开的窗口。在上述代码中，我们首先创建一个15x15的矩阵，作为卷积核，然后使用cv2.morphologyEx()函数并指定MORPH_TOPHAT参数，来获取图像的背景噪声。
【OpenCv • c++】形态学技术操作 —— 顶帽操作与黑帽操作
Ceylan__的博客
05-21 2934
在上一篇文章中，我们了解了开运算与闭运算，今天我们继续学习形态学技术操作里面的顶帽操作与黑帽操作。
【拜小白opencv】40-形态学滤波5——形态学梯度（基本梯度、内部梯度、外部梯度、方向梯度）
拜小白的成长之路，告别小白
11-25 7833
形态学梯度根据膨胀或者腐蚀与原图作差组合来实现增强结构元素领域中像素的强度，突出高亮区域的外围。
opencv学习(二十五)之开运算、闭运算、形态梯度、顶帽、黑帽
热门推荐
烟雨博客
01-17 2万+
上一篇介绍了形态学的基本操作膨胀和腐蚀，我们这一篇将利用膨胀和腐蚀操作实现对图像更高级的形态学操作，而这些都是建立在膨胀和腐蚀操作基础之上。 首先形态学的主要用途是获取物体拓扑和结果信息，它通过物体和结构元素的某些运算，得到物体更本质的形态，在图像处理中的主要应用有： (1). 利用形态学的基本运算对图像进行观察和处理，从而达到改善图像质量的目的 (2). 描述和定义图像的各种几何参数和特征如
机器视觉图像形态学中的腐蚀、膨胀、开运算、闭运算
最新发布
愿你历尽千帆，归来仍是少年。
06-02 1283
腐蚀（Erosion）是一种基本的图像处理操作，主要用于缩小或细化图像中的目标区域。它通过结构元素（Structuring Element）与图像进行交互，逐步消除边界像素，使目标区域向内收缩。对于二值图像 I和结构元素 S，腐蚀操作定义为： I⊖S={x∣Sx⊆I}其中：Sx​ 表示结构元素 S平移 x后的版本。结果图像中的点 x 满足：当 S 的中心位于 x 时，SS 完全包含于原始图像 I 中。消除细小物体或噪声：移除比结构元素小的孤立点或毛刺。分离粘连区域：使相连的物体断开。平滑边界：使
opencv形态学顶帽变换/底帽变换/Hit-or-Miss（03）
苦逼的程序猿
01-12 2661
顶帽变换 图像礼帽 也叫图像顶帽 礼帽图像 = 原始图像 - 开运算图像 作用：提取出细线状的部分或者噪声。 cv::Mat src = cv::imread(imagePath, cv::IMREAD_GRAYSCALE); cv::namedWindow("src", cv::WINDOW_NORMAL); cv::namedWindow("open", cv::WINDOW_NORMAL); cv::namedWindow("topHat", cv::WINDOW_NORMAL);
OPenCV高级编程——OPenCV形态学之腐蚀、膨胀、开运算、闭运算、形态学梯度等详解
J^T的博客
08-01 1637
图像形态学是一种基于数学形态学的理论和技术，广泛应用于数字图像处理、计算机视觉和模式识别等领域。它主要通过对图像中的形状和结构元素（也称为内核或模板）进行操作，来实现图像的增强、去噪、特征提取等目的。本文将详细介绍OpenCV中C++语言支持的几种基本形态学操作，包括腐蚀、膨胀、开运算、闭运算、形态学梯度等。
[Python图像处理] 四十三.Python图像形态学处理万字详解（腐蚀膨胀、开闭运算、梯度顶帽黑帽运算）
杨秀璋的专栏
07-31 1万+
数学形态学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、图像顶帽运算和图像底帽运算、骨架抽取、形态学梯度、Top-hat变换等。万字长文整理，希望对您有所帮助。该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~
【形态学滤波】——python实现开运算、闭运算、形态学梯度、顶帽、黑帽
yxdd1gbk的博客
06-12 7503
目录 一、几种运算之间的区别与特点 二、几种操作的python实现以及效果 1、开运算 2、闭运算 3、形态学梯度 4、顶帽 5、黑帽 三、内核设置 cv2.getStructuringElement() 一、几种运算之间的区别与特点 运算类型 操作 目的 开运算 先腐蚀再膨胀 ...
11 OpenCV 形态学操作之开运算、闭运算、形态学梯度、顶帽、黑帽
xinzhihen的博客
02-03 519
形态学的主要用途是获取物体拓扑和结果信息，它通过物体和结构元素的某些运算，得到物体更本质的形态，在图像处理中的主要应用有： 利用形态学的基本运算对图像进行观察和处理，从而达到改善图像质量的目的 描述和定义图像的各种几何参数和特征如面积、周长、连通、颗粒度、骨架和方向性 通过腐蚀和膨胀两种基本的形态学操作实现开运算、闭运算、形态梯度、顶帽、黑帽五种形态学操作。 一、开运算 open 开运算是通...
【OpenCV学习】形态学梯度
weixin_34272308的博客
11-26 103
#include <cv.h> #include <highgui.h> #include <iostream> using namespace std; int main( int argc, char **argv) { IplImage *imgA = cvLoadImage( "lena.jpg",...
OpenCV之形态学梯度（C++实现）
xddwz的博客
12-19 1044
图像的形态学梯度是膨胀图与腐蚀图之差，数学表达式是： dst = grad(sec, element) = dilate(src, element) - erode(src, element) 对二值图进行这一操作可以得到图像中白色区域的边界，因此可以用形态学梯度来保留物体的边界轮廓。 同样有两种方法实现，代码示例： #include <iostream> #include <opencv2/opencv.hpp> #include <opencv2/core/cor
OpenCV-开运算（OPEN）
翟天保的博客
05-21 1万+
开运算：先腐蚀后膨胀
计算机视觉：open cv
Helowr的博客
12-24 2693
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。数字图像，我们往往会对他们中的某一部分感兴趣，这些部分我们称为前景或者目标， 其余部分称为背景。主要方法有基于阈值的分割基于边缘、基于区域、基于聚类、基于图论、基于深度学习等。阈值分割处理 -- 把前景跟背景划分（1）求得阈值双峰法获取阈值迭代法阈值分割自适应阈值分割（2）处理的方式二值化阈值处理 ： 背景设置为白色,前景黑色反二值化阈值处理 ： 背景设置为黑色,前景白色。
图像形态学操作之顶帽操作(TopHat)与黑帽操作(BlackHat)
昊虹AI笔记
05-18 6827
大家看这篇博文前可以先看一看下面这两篇博文，下面这两篇博文是这篇博文的基础： 1、详解图像形态学操作之图形的腐蚀和膨胀的概念和运算过程,并利用OpenCV的函数erode()和函数dilate()对图像进行腐蚀和膨胀操作 2、图像的形态学开操作(开运算)和闭操作(闭运算)的概念和作用,并用OpenCV的函数morphologyEx()实现对图像的开闭操作 图像形态学腐蚀可以将细小的噪声区域去除，但是会将图像主要区域的面积缩小，造成主要区域的形状发生改变；图像形态学膨胀可以扩充每一个区域的面积，填充较小的空洞
OpenCV基础操作-开运算与闭运算-梯度运算
JM的博客
06-24 1441
在OpenCV中，开运算（Opening）和闭运算（Closing）都是图像形态学的操作，它们经常与腐蚀和膨胀操作结合使用，用于图像处理和分析中的一些任务，如去噪、平滑、边缘检测等。开运算（Opening）操作的定义为先对图像进行腐蚀操作，再对腐蚀后的图像进行膨胀操作。开运算可以消除图像中的小且细小的噪点，同时保持主要对象的形状和结构。闭运算（Closing）操作的定义为先对图像进行膨胀操作，再对膨胀后的图像进行腐蚀操作。先进行膨胀操作，再进行腐蚀操作，梯度运算的结果为：膨胀操作结果-腐蚀操作结果。
计算机视觉开源库OpenCV之利用开操作（Opening Operation）修复受损照片方法
ctrigger的专栏
08-26 587
计算机视觉开源库OpenCV之利用开操作（Opening Operation）修复受损照片，开运算即为：先腐蚀再膨胀。 原图片，俄罗斯少女，挺漂亮的，但是照片上有白线。我们的任务就是去掉这些白线。。。 修复图片示例代码如下： #!/usr/bin/env python3 import cv2 image = cv2.imread("俄罗斯少女.jpg") cv2.imshow(...
opencv的基本认识
yuyali8866的专栏
08-11 850
Opencv 中 open 为openSource,CV为computerVision计算机视觉   Opencv特征： 1.     开源计算机视觉库采用C/C++编写 2.     目的是开发实时应用程序 3.     独立于操作系统、硬件和图形管理器 4.     具有通用的图像、视频载入，保存和获取模块 5.     具有底层和高层的应用开发包   Opencv目标：为
[OpenCV3函数] —— open获取摄像头视频
Anoyer的博客
06-10 714
open获取摄像头视频 头文件：opencv2/highgui/highgui.hpp **作用：**从摄像头获取视频流 函数原型： (VideoCapture).open(index) 如果默认笔记本/台式机只有一个USB摄像头,Index=0; 如果有2个，一般Index为0和1，根据具体情况区分，摄像头接入和断开会改变Index值 如果接入2个以上，但只想用指定的一个，可以在设备管理器中禁用其他，同时Index设置为0 示例： #include<opencv2/highgui/hi
编写程序，使用OpenCV中自带形态学处理原型函数，对图像进行开运算、闭运算、形态学梯度运算、高帽运算、黑帽运算、击中击不中运算，观察图像处理效果，思考如何调整参数使得处理的图像更符合要求。
10-19
在OpenCV库中，形态学操作是一种常见的图像处理技术，用于消除噪声、连接断裂的部分、填充空洞等。以下是使用OpenCV进行基本形态学操作的步骤： 1. **导入必要的库**: ```python import cv2 import numpy as np ``` 2. **读取图像**: ```python img = cv2.imread('input_image.jpg', 0) # 读取灰度图像 ``` 3. **定义结构元素（kernel）**: - `cv2.getStructuringElement(shape, ksize)`创建一个结构元素，shape可以是`cv2.MORPH_RECT`, `cv2.MORPH_CROSS`, 或 `cv2.MORPH_ELLIPSE`，ksize是形状的大小。 4. **开运算（Opening）**: ```python kernel_open = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) opened_img = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel_open) ``` 5. **闭运算（Closing）**: ```python kernel_close = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) # 调整ksize增大结构元素 closed_img = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel_close) ``` 6. **形态学梯度（Morphological Gradient）**: ```python grad_img = cv2.morphologyEx(opened_img, cv2.MORPH_GRADIENT, kernel_close) ``` 7. **高帽（Top Hat）**: ```python top_hat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel_close) ``` 8. **黑帽（Black Hat）**: ```python black_hat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel_close) ``` 9. **击中/不击中（Hit-or-Miss）运算**: ```python hit_or_miss = cv2.morphologyEx(img, cv2.MORPH_HITMISS, kernel_close) ``` 为了调整参数以达到更好的效果，你可以考虑以下几个方面： - **结构元素大小（ksize）**：改变大小影响细化程度和去除小物体的能力。 - **迭代次数（iterations）**：对于某些操作，如腐蚀、膨胀等，可以设置迭代次数以增强效果。 - **结构元素形状**：不同的形状适用于不同的应用场景，例如矩形适合边缘检测，十字形更适合细节保留。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值