OpenCV(6): 梯度计算,礼帽黑帽

没看过前文也没有关系，了解腐蚀和膨胀就行。本文紧接前文图像腐蚀与膨胀。

梯度计算

梯度计算就是膨胀过后的图像减去腐蚀处理过后的图像。图像腐蚀就是消除图像的边缘，图像膨胀就是把图像边缘扩大一点。

这样得到的就是图像的轮廓。

在OpenCV中，梯度计算方法也被包括在形态学方法cv2.morphologyEx(src，op，kernel)中

src为输入图像

如果要进行梯度运算，参数设置op=cv2.MORPH_GRADIENT

kernel为采用的卷积核，本文采用卷积核为3*3的矩阵。

import cv2
import numpy as np

#定义了一个展示图片的方法
def cv_show(title,img):
    cv2.imshow(title,img)
    cv2.waitKey(0) 
    cv2.destroyAllWindows()
    return

#读取图片
img = cv2.imread('circle.png')
kernel = np.ones((3,3),dtype = np.uint8)
gradient =  cv2.morphologyEx(img, cv2.MORPH_GRADIENT,kernel)

cv_show('gradient',gradient)

原图与输出对比

原图'circle.png'

 

输出图像：

 大家也可以用自己的二值图试试，本文的图像就是windows自带的画图软件画的，画一个黑色的底和一个白色的圆就行，二值图的意思是一种由黑色和白色两种颜色组成的图像，其中只有两个像素值。

礼帽

礼帽就是原始图像减去开运算之后的图像

同样包括在形态学方法cv2.morphologyEx(src，op，kernel)中，

此时参数op = cv2.MORPH_TOPHAT 

import cv2
import numpy as np

def cv_show(title,img):
    cv2.imshow(title,img)
    cv2.waitKey(0) 
    cv2.destroyAllWindows()
    return

img = cv2.imread('Hello.png')
kernel = np.ones((3,3),dtype = np.uint8)
tophat = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)#高帽找刺
cv_show('tophat',tophat)

原图和结果对比：

原图（Hello.png) 

结果：

前文说过，开运算就是给图像把毛刺去了，那么礼帽就是原始图像减去开运算图像，得出去掉的毛刺是啥。

黑帽

运算则是将原始图像与其闭运算的差值结果，即原始图像减去其闭运算结果。

此时参数op =  CV2.MORPH_BALCKHAT

import cv2
import numpy as np

def cv_show(title,img):
    cv2.imshow(title,img)
    cv2.waitKey(0) 
    cv2.destroyAllWindows()
    return

img = cv2.imread('dongdong.png')
kernel = np.ones((3,3),dtype = np.uint8)
blackhat = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)#黑帽找洞
cv_show('blackhat',blackhat)

前文说过闭运算能够去掉图片中的洞洞，而黑帽就是找出这些洞洞。

图像前后对比

原图‘dongdong.png'

 处理后

 可以看出洞洞部分被突出显示了。