OpenCV（九）形态学操作4--礼帽与黑帽（顶帽与底帽）

最新推荐文章于 2024-04-16 13:57:50 发布

_(*^▽^*)_

最新推荐文章于 2024-04-16 13:57:50 发布

阅读量1w

点赞数 23

分类专栏： # OpenCV 文章标签： c++ opencv 人工智能图像处理 python

本文链接：https://blog.csdn.net/great_yzl/article/details/119594716

版权

OpenCV 专栏收录该内容

40 篇文章 184 订阅

订阅专栏

一、顶帽运算（礼帽）

取出亮度高的地方

顶帽运算 = 原图像 - 开运算

开运算可以消除暗背景下的高亮区域，那么如果用原图减去开运算结果就可以得到原图中灰度较亮的区域，所以又称白顶帽变换。

C++：

//顶帽运算
void TopHat()
{
	//开运算
	Mat kernel = getStructuringElement(MORPH_RECT, Size(19, 19));  //创建结构元
	//									矩形卷积核	尺寸为(19,19)宽高
	morphologyEx(img, dst, MORPH_OPEN, kernel, Point(-1, -1));     // 形态学处理--开运算
	//			原图  新图  开运算		卷积核  锚点				  
	imshow("开运算", dst);               // 显示形态学处理后的效果
	//顶帽运算（白顶帽运算）
	dst = img - dst;
	//morphologyEx(img, dst, MORPH_TOPHAT, kernel, Point(-1, -1), 1);  // 形态学处理--开帽变换
	imshow("顶帽运算", dst);
}

python：

# 顶帽（原-开）
def TopHat():
    tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, (7, 7), iterations=5)
#                                   类型              卷积核   迭代次数
    cv2.imshow('TopHat', tophat)

二、底帽运算（黑帽）

取出亮度低的地方

底帽运算 = 原图像 - 闭运算

闭运算可以删除亮背景下的暗区域，那么用原图减去闭运算结果就可以得到原图像中灰度较暗的区域，所以又称黑底帽变换。

C++：

//底帽运算
void BlackHat()
{
	//闭运算
	Mat kernel = getStructuringElement(MORPH_RECT, Size(19, 19));  //创建结构元
	//								  矩形卷积核		尺寸为(19,19)宽高
	morphologyEx(img, dst, MORPH_CLOSE, kernel, Point(-1, -1));     // 形态学处理--开运算
	//			原图  新图  闭运算		卷积核   锚点				  
	imshow("闭运算", dst);               // 显示形态学处理后的效果
	//底帽运算（黑帽运算）
	//morphologyEx(img, dst, MORPH_BLACKHAT, kernel, Point(-1, -1), 1);  // 形态学处理--底帽变换
	dst = img - dst;
	imshow("底帽运算", dst);
}

python：

# 底帽（原-闭）
def BlackHat():
    blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT,  (7, 7), iterations=5)
#                                    类型                  卷积核   迭代次数
    cv2.imshow('BlackHat', blackhat)

只有这样可能看不出来用途，再举一个实用的例子：

三、底帽运算应用（二值图像底帽运算）

目的：得到清晰的二值图像。

底帽效果：取出亮度较暗的区域。

1、原图转灰度图，再转二值图像

//灰度图及二值化
cvtColor(img, grayImage, COLOR_BGR2GRAY);
imshow("灰度图(原图)", grayImage);
threshold(grayImage, binImage, 0, 255, THRESH_OTSU);
imshow("二值化图像", binImage);

可以看出，虽然圆环被分割为目标区域，但左侧背景区域有很大一部分也被分割为目标，并且该区域面积较大，难以通过开操作或闭操作去除。

为了取出亮度低的地方，接下来我们通过底帽操作来进行处理。首先对原图进行底帽处理，然后再对底帽处理的结果进行二值化，最后对处理结果进行一轮闭操作。

2、灰度图底帽处理

kernel = getStructuringElement(MORPH_RECT, Size(31, 31));  //修改结构元
morphologyEx(grayImage, dst, MORPH_BLACKHAT, kernel, Point(-1, -1), 1);       // 形态学处理--底帽变换
imshow("底帽运算", dst);
threshold(dst, binImage, 0, 255, THRESH_OTSU);
imshow("底帽处理后的二值化图像", binImage);

3、二值图闭运算

//3、二值图闭运算处理
kernel = getStructuringElement(MORPH_RECT, Size(3, 3));  //修改结构元
morphologyEx(binImage, binImage, MORPH_CLOSE, kernel, Point(-1, -1));    // 形态学处理--闭运算
imshow("闭运算处理后的二值化图像", binImage);

代码

//二值图像底帽运算
void Bin_BlackHat()
{
	Mat kernel = getStructuringElement(MORPH_RECT, Size(19, 19));  //创建结构元

	//1、灰度图及二值化
	cvtColor(img, grayImage, COLOR_BGR2GRAY);
	imshow("灰度图(原图)", grayImage);
	threshold(grayImage, binImage, 0, 255, THRESH_OTSU);
	imshow("二值化图像", binImage);

	//2、对灰度图底帽处理
	kernel = getStructuringElement(MORPH_RECT, Size(31, 31));  //修改结构元
	morphologyEx(grayImage, dst, MORPH_BLACKHAT, kernel, Point(-1, -1), 1);       // 形态学处理--底帽变换
	imshow("底帽运算", dst);
	threshold(dst, binImage, 0, 255, THRESH_OTSU);
	imshow("底帽处理后的二值化图像", binImage);

	//3、二值图闭运算处理
	kernel = getStructuringElement(MORPH_RECT, Size(3, 3));  //修改结构元
	morphologyEx(binImage, binImage, MORPH_CLOSE, kernel, Point(-1, -1));    // 形态学处理--闭运算
	imshow("闭运算处理后的二值化图像", binImage);
}

总代码

//开运算与闭运算（形态学）
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

Mat img, dst;
Mat binImage, grayImage;

//图像初始化
void Image_Init()
{
	img = imread("Resource/test9.jpg");
	dst = Mat::zeros(img.size(), img.type());

	if (img.empty())
	{
		printf("图像加载失败");
		exit(0);
	}
}

//顶帽运算
void TopHat()
{
	//开运算
	Mat kernel = getStructuringElement(MORPH_RECT, Size(19, 19));  //创建结构元
	//															矩形卷积核		尺寸为(19,19)宽高
	morphologyEx(img, dst, MORPH_OPEN, kernel, Point(-1, -1));     // 形态学处理--开运算
	//						原图  新图  开运算				 卷积核  锚点				  
	imshow("开运算", dst);               // 显示形态学处理后的效果
	//顶帽运算（白顶帽运算）
	dst = img - dst;
	//morphologyEx(img, dst, MORPH_TOPHAT, kernel, Point(-1, -1), 1);      // 形态学处理--开帽变换
	imshow("顶帽运算", dst);
}

//底帽运算
void BlackHat()
{
	//闭运算
	Mat kernel = getStructuringElement(MORPH_RECT, Size(19, 19));  //创建结构元
	//															矩形卷积核		尺寸为(19,19)宽高
	morphologyEx(img, dst, MORPH_CLOSE, kernel, Point(-1, -1));     // 形态学处理--闭运算
	//						原图  新图  闭运算				 卷积核  锚点				  
	imshow("闭运算", dst);               // 显示形态学处理后的效果
	//底帽运算（黑帽运算）
	//morphologyEx(img, dst, MORPH_BLACKHAT, kernel, Point(-1, -1), 1);       // 形态学处理--底帽变换
	dst = img - dst;
	imshow("底帽运算", dst);
}


//二值图像底帽运算
void Bin_BlackHat()
{
	Mat kernel = getStructuringElement(MORPH_RECT, Size(19, 19));  //创建结构元

	//1、灰度图及二值化
	cvtColor(img, grayImage, COLOR_BGR2GRAY);
	imshow("灰度图(原图)", grayImage);
	threshold(grayImage, binImage, 0, 255, THRESH_OTSU);
	imshow("二值化图像", binImage);

	//2、对灰度图底帽处理
	kernel = getStructuringElement(MORPH_RECT, Size(31, 31));  //修改结构元
	morphologyEx(grayImage, dst, MORPH_BLACKHAT, kernel, Point(-1, -1), 1);       // 形态学处理--底帽变换
	imshow("底帽运算", dst);
	threshold(dst, binImage, 0, 255, THRESH_OTSU);
	imshow("底帽处理后的二值化图像", binImage);

	//3、二值图闭运算处理
	kernel = getStructuringElement(MORPH_RECT, Size(3, 3));  //修改结构元
	morphologyEx(binImage, binImage, MORPH_CLOSE, kernel, Point(-1, -1));    // 形态学处理--闭运算
	imshow("闭运算处理后的二值化图像", binImage);
}

//显示图像
void Show()
{
	imshow("原图", img);
}

int main()
{
	Image_Init();							//图像初始化

	//TopHat();								//顶帽运算

	//BlackHat();							//底帽运算

	Bin_BlackHat();							//二值图像底帽运算

	Show();									//显示原图像

	waitKey(0);

	return 0;
}

# 形态学（膨胀、腐蚀、开闭运算、顶帽与底帽）
import cv2

# 膨胀
def Dilate():
    # 膨胀
    dilate = cv2.dilate(img, kernel=(7, 7), iterations=1)
    #                        卷积核大小      迭代次数
    cv2.imshow("dilate", dilate)


# 腐蚀
def Enrode():
    # 腐蚀
    erode = cv2.erode(img, kernel=(7, 7), iterations=5)
    #                        卷积核大小      迭代次数
    cv2.imshow("erode", erode)


# 开运算（先腐后膨）
def Open():
    open = cv2.morphologyEx(img, cv2.MORPH_OPEN, (7, 7), iterations=5)
    #                            类型             卷积核大小    迭代次数
    cv2.imshow('open', open)


# 闭运算（先膨后腐）
def Close():
    close = cv2.morphologyEx(img, cv2.MORPH_CLOSE, (7, 7), iterations=5)
    #                            类型             卷积核大小    迭代次数
    cv2.imshow('close', close)


# 顶帽（原-开）
def TopHat():
    tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, (7, 7), iterations=5)
#                                   类型              卷积核   迭代次数
    cv2.imshow('TopHat', tophat)


# 底帽（原-闭）
def BlackHat():
    blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT,  (7, 7), iterations=5)
#                                    类型                  卷积核   迭代次数
    cv2.imshow('BlackHat', blackhat)


if __name__ == '__main__':
    # 读取图片
    img = cv2.imread("Resource/test5.jpg")
    cv2.imshow("img", img)

    Dilate()        #膨胀

    Enrode()        #腐蚀

    Open()          #开运算

    Close()         #闭运算

    TopHat()        #顶帽运算

    BlackHat()      #底帽运算

    cv2.waitKey(0)

参考资料

https://blog.csdn.net/weixin_41695564/article/details/79935028

https://blog.csdn.net/freehawkzk/article/details/85261341?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162864358216780255258035%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=162864358216780255258035&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_v2~rank_v29-5-85261341.first_rank_v2_pc_rank_v29&utm_term=%E9%A1%B6%E5%B8%BD%E4%B8%8E%E5%BA%95%E5%B8%BD&spm=1018.2226.3001.4187

_(*^▽^*)_

关注

23
点赞
踩
99

收藏

觉得还不错? 一键收藏
打赏
4
评论
OpenCV（九）形态学操作4--礼帽与黑帽（顶帽与底帽）

目录一、顶帽运算二、底帽运算三、底帽运算应用（二值图像底帽运算）1、原图转灰度图，再转二值图像2、灰度图底帽处理3、二值图闭运算代码总代码参考资料一、顶帽运算顶帽运算 = 原图像 - 开运算开运算可以消除暗背景下的较亮区域，那么如果用原图减去开运算结果就可以得到原图中灰度较亮的区域，所以又称白顶帽变换。//顶帽运算void TopHat(){ //开运算 Mat kernel = getStructuringElement(MORPH_REC
复制链接

扫一扫