机器学习进阶-图像形态学变化-礼帽与黑帽 1.cv2.TOPHAT(礼帽-原始图片-开运算后图片) 2.cv2.BLACKHAT(黑帽闭运算-原始图片)...

weixin_34294649

于 2019-02-18 13:56:00 发布

阅读量238

点赞数

CC 4.0 BY-SA版权

文章标签：人工智能 python

原文链接：http://www.cnblogs.com/my-love-is-python/p/10395237.html

本文详细介绍了使用OpenCV进行图像处理中的两种特殊技术——礼帽和黑帽操作。通过对比原始图像与开运算（礼帽）及闭运算（黑帽）后的图像差异，这两种方法能够有效突出图像中的细节和背景差异。文中提供了具体的Python代码实现，包括读取图片、应用礼帽和黑帽操作，并展示结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.op = cv2.TOPHAT 礼帽：原始图片-开运算后的图片

2. op=cv2.BLACKHAT 黑帽：闭运算后的图片-原始图片

礼帽：表示的是原始图像-开运算(先腐蚀再膨胀)以后的图像

黑帽：表示的是闭运算(先膨胀再腐蚀)后的图像 - 原始图像

代码：

第一步：读取图片

第二步：使用cv2.MOPRH_TOPHAT获得礼帽图片

第三步：使用cv2.MOPRH_BLACKHAT获得黑帽图片

import cv2
import numpy as np

# 第一步读入当前图片
img = cv2.imread('dige.png')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 第二步：使用cv2.MORPH_TOPHAT获得礼帽图片
kernel = np.ones((3, 3), np.uint8)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 第三步：使用cv2.MORPH_BLACKHAT获得黑帽图片
kernel = np.ones((3, 3), np.uint8)
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat', blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()