14、OpenCV形态学操作——开运算、闭运算、形态学梯度、顶帽、黑帽

最新推荐文章于 2023-03-18 15:39:59 发布
最新推荐文章于 2023-03-18 15:39:59 发布
阅读量5.7k 收藏 13
点赞数 3
分类专栏： Opencv学习笔记 文章标签： OpenCV教程 OpenCV开运算 OpenCV闭运算 OpenCV形态学梯度 OpenCV顶帽
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.csdn.net/phinoo/article/details/113238563
版权

OpenCV形态学操作——开运算、闭运算、形态学梯度、顶帽、黑帽

一、学习目标

  • 理解什么是开运算、闭运算、形态学梯度、顶帽和黑帽
  • 学会使用OpenCV实现上述的图像形态学操作
  • 使用综合性的例子进行实验

二、各种操作简介

1、开运算

开运算：先腐蚀后膨胀，表达公式为：

dst = open(src, element) = dilate(erode(src, element), element)

开运算可以用来消除图像中的细小对象（前提是黑色为类背景，类白色为前景），在纤细点处分离物体和平滑较大物体的边界而又不明显改变其面积和形状。

例如，看看下面的例子。左边的图像是原始图像，右边的图像是应用开运算变换后的结果。我们可以看到白色小点消失了。

在这里插入图片描述
OpenCV中，使用函数cv::morphologyEx实现开运算，其函数原型为：

void cv::morphologyEx	(	InputArray 		src,
							OutputArray 	dst,
							int 			op,
							InputArray 		kernel,
							Point 			anchor = Point(-1,-1),
							int 			iterations = 1,
							int 			borderType = BORDER_CONSTANT,
							const Scalar & 	borderValue = morphologyDefaultBorderValue() )
  • 参数 src： 源图像。信道的数量可以是任意的。深度应该是CV_8U、CV_16U、CV_16S、CV_32F或CV_64F之一
  • 参数 dst： 大小和类型与源图像相同的输出图像
  • 参数 op： 指定形态学操作的类型，请参见MorphTypes，实现开操作时指定为MORPH_OPEN
  • 参数 kernel： 结构元素。它可以使用getStructuringElement创建
  • 参数 anchor： 锚定在内核中的位置。负值表示锚点在内核中心
  • 参数 iterations： 开运算（其它运算也是如此）迭代的次数
  • 参数 borderType： 图像边界处像素填充方法，见BorderTypes不支持BORDER_WRAP
  • 参数 borderValue： 指定图像边界像素填充方法为常量时的配套函数

函数cv::morphologyEx可以使用腐蚀和膨胀作为基本操作来执行高级形态学操作。任何操作都可以就地完成。对于多通道图像，每个通道都是独立处理的。通过指定不同的op实现不同的形态学操作，op的取值见下表：

参数取值取值说明
MORPH_OPEN开运算，dst=open(src,element)=dilate(erode(src,element))
MORPH_CLOSE闭运算，dst=close(src,element)=erode(dilate(src,element))
MORPH_GRADIENT形态学梯度，dst=morph_grad(src,element)=dilate(src,element)−erode(src,element)
MORPH_TOPHAT顶帽，dst=tophat(src,element)=src−open(src,element)
MORPH_BLACKHAT黑帽，dst=blackhat(src,element)=close(src,element)−src
MORPH_HITMISS“hit or miss”，只支持CV_8UC1二进制图像

可见，对于形态学操作的其它操作，也只需要改变op的值即可，所以后面的相关操作就只是简单地介绍原理，相应的函数API不再赘述。

注意： 迭代次数是应用腐蚀或膨胀操作的次数。例如，具有2次迭代的开运算(MORPH_OPEN)等效于依次应用：腐蚀->腐蚀->膨胀->膨胀(而不是腐蚀->膨胀->腐蚀->膨胀)。

使用实例：
先上传一张实验用图供大家下载：
在这里插入图片描述
实验代码：

#include<opencv2/opencv.hpp>
using namespace cv;
using namespace std;

int main(int argc,char **argv)
{
	char fileName[] = "O:\\CSDN\\MORPH.png";
	Mat src = imread(fileName, IMREAD_COLOR);
	if (src.empty())
	{
		cout << "couldn't open image: " << fileName << ",please check out!\n";
		system("pause");
		return EXIT_FAILURE;
	}
    // 定义结构元素，可以自行尝试不同的SIZE，去除小物体（噪声）的效果不同
	Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));
	Mat dst;
	// 执行开运算
	morphologyEx(src, dst, MORPH_OPEN, kernel);

	namedWindow("Original", WINDOW_AUTOSIZE);
	moveWindow("Original", 200, 200);
	namedWindow("MORPH_OPEN", WINDOW_AUTOSIZE);
	moveWindow("MORPH_OPEN", src.cols + 200, 200);
	imshow("Original", src);
	imshow("MORPH_OPEN", dst);
	waitKey(0);

	system("pause");
	return EXIT_SUCCESS;
}

在这里插入图片描述
对比右边开运算的结果，很多较小的图形已经被去除，当然也还有一些没去掉，这个就与Size的取值有关，可以自行尝试。

2、闭运算

闭运算：先膨胀后腐蚀。其公式为：

dst=close(src,element)=erode(dilate(src,element))

闭运算可以用来填充目标内部的细小孔洞（fill hole），将断开的邻近目标连接，在不明显改变物体面积和形状的情况下平滑其边界。

如，闭运算可以达到下图的效果：

在这里插入图片描述
OpenCV实现闭运算的函数API不再赘述，直接看实例：

#include<opencv2/opencv.hpp>
using namespace cv;
using namespace std;

int main(int argc,char **argv)
{
	char fileName[] = "O:\\CSDN\\MORPH.png";
	Mat src = imread(fileName, IMREAD_COLOR);
	if (src.empty())
	{
		cout << "couldn't open image: " << fileName << ",please check out!\n";
		system("pause");
		return EXIT_FAILURE;
	}

	Mat kernel = getStructuringElement(MORPH_RECT, Size(7, 7), Point(-1, -1));
	Mat dst;
	morphologyEx(src, dst, MORPH_CLOSE, kernel);

	namedWindow("Original", WINDOW_AUTOSIZE);
	moveWindow("Original", 200, 200);
	namedWindow("MORPH_CLOSE", WINDOW_AUTOSIZE);
	moveWindow("MORPH_CLOSE", src.cols + 200, 200);
	imshow("Original", src);
	imshow("MORPH_CLOSE", dst);
	waitKey(0);

	system("pause");
	return EXIT_SUCCESS;
}

在这里插入图片描述
从上图可以看出，许多的黑色小孔已经被堵上，但比较大的空是难以完全填充上的。

3、形态学梯度

形态学梯度操作能描述图像亮度变化的剧烈程度；当我们想要突出高亮区域的外围时，则可以选用形态学梯度来突出边缘，可以保留物体的边缘轮廓。

常见的几种梯度：

  • 基本梯度：用膨胀后的图像减去腐蚀后的图像得到的差值图像。
  • 内部梯度：用原图像减去腐蚀之后的图像得到的差值图像
  • 外部梯度：用膨胀之后得到的图像减去原图像得到的差值图像
  • 方向梯度：使用X方向与Y方向的直线作为结构元素，X的结构元素分别膨胀与腐蚀得到图像之后求差值为X方向梯度，也可以理解为用X的结构元素进行闭运算。用Y的结构元素分别膨胀与腐蚀得到的图像之后求差值为Y方向梯度，也可以理解为用Y的结构元素进行闭运算

如使用基本梯度可以得到如下效果：

在这里插入图片描述
这相当于提出了目标的外部轮廓或边缘。使用实例如下：

#include<opencv2/opencv.hpp>
using namespace cv;
using namespace std;

int main(int argc,char **argv)
{
	char fileName[] = "O:\\CSDN\\MORPH.png";
	Mat src = imread(fileName, IMREAD_COLOR);
	if (src.empty())
	{
		cout << "couldn't open image: " << fileName << ",please check out!\n";
		system("pause");
		return EXIT_FAILURE;
	}

	Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));
	Mat dst;
	morphologyEx(src, dst, MORPH_GRADIENT, kernel);

	namedWindow("Original", WINDOW_AUTOSIZE);
	moveWindow("Original", 200, 200);
	namedWindow("MORPH_GRADIENT", WINDOW_AUTOSIZE);
	moveWindow("MORPH_GRADIENT", src.cols + 200, 200);
	imshow("Original", src);
	imshow("MORPH_GRADIENT", dst);
	waitKey(0);

	system("pause");
	return EXIT_SUCCESS;
}

在这里插入图片描述

4、顶帽

顶帽是原图与原图的开运算的差值图像。开运算放大了裂缝或者局部低亮度的区域，所以，从原图中减去开运算后的图，得到的结果突出了比原图轮廓周围的区域更明亮的区域，这个操作与选择的核的大小有关。TopHat运算一般用来分离比邻近点亮一些的斑块，可以使用这个运算提取背景。

其公式为：

dst=tophat(src,element)=src−open(src,element)

有如下效果：
在这里插入图片描述
使用实例为：

#include<opencv2/opencv.hpp>
using namespace cv;
using namespace std;

int main(int argc,char **argv)
{
	char fileName[] = "O:\\CSDN\\MORPH.png";
	Mat src = imread(fileName, IMREAD_COLOR);
	if (src.empty())
	{
		cout << "couldn't open image: " << fileName << ",please check out!\n";
		system("pause");
		return EXIT_FAILURE;
	}

	Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));
	Mat dst;
	morphologyEx(src, dst, MORPH_TOPHAT, kernel);

	namedWindow("Original", WINDOW_AUTOSIZE);
	moveWindow("Original", 200, 200);
	namedWindow("MORPH_TOPHAT", WINDOW_AUTOSIZE);
	moveWindow("MORPH_TOPHAT", src.cols + 200, 200);
	imshow("Original", src);
	imshow("MORPH_TOPHAT", dst);
	waitKey(0);

	system("pause");
	return EXIT_SUCCESS;
}

在这里插入图片描述
5、黑帽

黑帽是闭运算结果与原图的差值图像。黑帽运算的结果突出了比原图轮廓周围区域更暗的区域，所以黑帽运算用来分离比邻近点暗一些的斑块。

其公式为：

dst=blackhat(src,element)=close(src,element)−src

可以达到如下的效果：
在这里插入图片描述
使用实例如下：

#include<opencv2/opencv.hpp>
using namespace cv;
using namespace std;

int main(int argc,char **argv)
{
	char fileName[] = "O:\\CSDN\\MORPH.png";
	Mat src = imread(fileName, IMREAD_COLOR);
	if (src.empty())
	{
		cout << "couldn't open image: " << fileName << ",please check out!\n";
		system("pause");
		return EXIT_FAILURE;
	}

	Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));
	Mat dst;
	morphologyEx(src, dst, MORPH_BLACKHAT, kernel);

	namedWindow("Original", WINDOW_AUTOSIZE);
	moveWindow("Original", 200, 200);
	namedWindow("MORPH_BLACKHAT", WINDOW_AUTOSIZE);
	moveWindow("MORPH_BLACKHAT", src.cols + 200, 200);
	imshow("Original", src);
	imshow("MORPH_BLACKHAT", dst);
	waitKey(0);

	system("pause");
	return EXIT_SUCCESS;
}

在这里插入图片描述

三、综合实例

#include<opencv2/opencv.hpp>
using namespace cv;
using namespace std;

string TYPE_BAR = "Morph Type:\n 0:Open\n 1:Close\n 2:Gradient\n 3:TopHat\n 4:BlackHat";
void dealMorphologyEx(int, void* img);

int main(int argc,char **argv)
{
	char fileName[] = "O:\\CSDN\\MORPH.png";
	Mat src = imread(fileName, IMREAD_COLOR);
	if (src.empty())
	{
		cout << "couldn't open image: " << fileName << ",please check out!\n";
		system("pause");
		return EXIT_FAILURE;
	}

	namedWindow("Original", WINDOW_AUTOSIZE);
	moveWindow("Original", 200, 200);
	namedWindow("MORPH", WINDOW_AUTOSIZE);
	moveWindow("MORPH", src.cols + 200, 200);
	int Type = 0;
	int kernelSize = 0;
	int iteration = 0;
	createTrackbar(TYPE_BAR, "MORPH", &Type, 4, 0, 0);
	createTrackbar("Kernel Size:", "MORPH", &kernelSize, 21, dealMorphologyEx, (void*)&src);
	createTrackbar("Iteration times:", "MORPH", &iteration, 4, 0, 0);

	imshow("MORPH", src);
	imshow("Original", src);
	waitKey(0);

	system("pause");
	return EXIT_SUCCESS;
}

void dealMorphologyEx(int, void* img)
{
	int type = getTrackbarPos(TYPE_BAR, "MORPH") + 2;
	int kernelSize = getTrackbarPos("Kernel Size:", "MORPH");
	int iteration = getTrackbarPos("Iteration times:", "MORPH") + 1;
	Mat src = ((Mat*)img)->clone();
	Mat dst;
	Mat kernel = getStructuringElement(MORPH_RECT, Size(2 * kernelSize + 1, 2 * kernelSize + 1));
	morphologyEx(src, dst, type, kernel, Point(-1, -1), iteration);
	imshow("MORPH", dst);
}

在这里插入图片描述
运行上面程序，便可以自由选择形态学操作了，可以根据需要设定kernelSize和迭代次数，当然也可以自行添加结构元素类型。

注意上图红色框中出现了一个问题，跨行的trackbar名称不能正确显示，本人也一直在寻找解决方案，知道问题的小伙伴可以私信我，谢谢。

phinoo
关注
  • 3
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
OpenCV学习之路（八）图像的形态学转换（腐蚀，膨胀，开、闭运算，梯度运算，礼帽，黑帽）
01-06
形态学操作是对图像形状进行的操作，一般情况下是对二值化图像进行的操作，两个基本的形态学操作是腐蚀和膨胀。 腐蚀 腐蚀操作很容易理解，与生活中的腐蚀意义一样，生活中的东西在腐烂的时候，总是会从边缘开始由外向内腐蚀。就是这个意思。 原理 使用卷积核遍历图像像素值，以卷积核的中心为中心，如果与卷积核对应的像素值全为1（即全是白色），像素值就保持不变。否则与卷积核对应的像素值就全变为0。也就体现出了边缘都被腐蚀掉的情形。 从图中很容易看出腐蚀的过程。前景区被腐蚀掉。 构造函数： cv2.erode(src,kernel,iterations) 参数解释： src：一般情况是一个二值图像，像素值只
OpenCV（七）形态学操作2--开运算与闭运算
great_yzl的博客
08-10 3003
目录 概述： morphologyEX函数 一、开运算（分开） 1、原理 2、代码 3、效果 二、闭运算（封闭） 1、原理 2、代码 3、效果 参考资料： 概述： 运算类型 操作 目的 开运算 先腐蚀再膨胀 可在纤细点出分离物体。有助于消除噪音 闭运算 先膨胀后腐蚀 用于排除前景对象中的小孔或...
OpenCV 形态学处理
12-22
形态学主要处理二值图像（0黑1白）。 图像腐蚀 概念 原理 函数 erode kernel = np.ones((5,5),np.uint8) #numpy库生成1数组，数据类型为整形 img2 = cv2.erode(img,kernel,iterations) #迭代次数，默认为1 处理结果 图像膨胀 原理 膨胀又叫逆腐蚀。 先腐蚀后膨胀，可用于降噪。 函数 dilate kernel = np.ones((5,5),np.uint8) img2 = cv2.dilate(img,kernel,iterations) 处理结果 开运算 我们把先腐蚀后膨胀的操作合并为开
opencv开运算，闭运算，形态梯度，礼帽，黑帽实现代码
08-07
opencv开运算，闭运算，形态梯度，礼帽，黑帽实现代码，简单的代码，适合初学者，可以进一步理解图像处理。
形态学滤波（2）：开运算、闭运算、形态学梯度、顶帽、黑帽
baimaoxi1871的博客
04-28 335
一、开运算 开运算，就是先腐蚀后膨胀的过程 数学表达式： 　　dst = open(src,element) = dilate(erode(src, element)) 开运算可以用来消除小物体，在纤细点处分离物体，并且在平滑较大物体的边界的同时不明显改变其面积。 二、闭运算 闭运算，就是先膨胀后腐蚀的过程 数学表达式： 　　dst = open(src,eleme...
OpenCV-开运算（OPEN）
翟天保的博客
05-21 1万+
开运算：先腐蚀后膨胀
opencv中的开运算，闭运算，形态学梯度，顶帽和黑帽简介
张齐贤的博客
10-10 1万+
1.开运算 开运算 = 先腐蚀运算，再膨胀运算（看上去把细微连在一起的两块目标分开了） 开运算的效果图如下图所示： 开运算总结： （１）开运算能够除去孤立的小点，毛刺和小桥，而总的位置和形状不便。 （２）开运算是一个基于几何运算的滤波器。 （３）结构元素大小的不同将导致滤波效果的不同。 （４）不同的结构元素的选择导致了不同的分割，即提取出不同的特征。 2.闭运算 闭运算 =...
OpenCv初学者笔记（三）：开运算、闭运算、梯度计算
m0_62555665的博客
03-27 6665
零基础小白OpenCv学习笔记（三） 一、开运算与闭运算 1.图像开运算 2.图像闭运算 二、图像梯度运算 三、礼帽运算与黑帽运算
python-opencv第七期：开运算与闭运算详解（上）
追星，但也不要忘了土地
03-18 3417
开门，意味着门的两个门板没有连通，对于外界是敞开的，对应“开”； 而闭门，意味着门的两个门板连通到了一起，对于外界是关闭的状态，对应“闭”。
Opencv中的开运算和闭运算操作讲解（python实现）
Keep_Trying_Go的博客
06-15 6072
Opencv中的开运算和闭运算操作讲解（python实现）
[opencv] 017 形态学滤波 膨胀+腐蚀+开闭运算+梯度+顶帽+黑帽
09-19
本代码主要介绍形态学滤波的作用，其中基础滤波方式为：腐蚀与膨胀。后续的开运算、闭运算、形态学梯度、顶帽、黑帽都是结合两者的不同使用方式。
【C++】OpenCV高级形态学示例程序 by浅墨
04-27
博文《【OpenCV入门教程之十一】 形态学图像处理（二）：开运算、闭运算、形态学梯度、顶帽、黑帽合辑》的配套详细注释源代码。 博文链接： http://blog.csdn.net/poem_qianmo/article/details/24599073 1.已将...
【OpenCV入门教程之十一】 形态学图像处理（二）：开运算、闭运算、形态学梯度、顶帽、黑帽合辑 - 【浅墨的游戏编程Blog】
08-03
摘要视图订阅标签： 黑帽开运算闭运算形态学梯度分类：目录(?【OpenCV入门教程之十一】 形态学图像处理（二）：开运算、闭运算、形态学梯度、顶帽、黑帽合辑71
8、OpenCV调整图像对比度和亮度
热门推荐
phinoo的博客
01-18 2万+
OpenCV调整图像对比度和亮度一、学习目标二、原理理解三、对比度、亮度调整四、完整代码示例 一、学习目标 理解图像对比度和亮度调整的原理 对比三种不同亮度和对比度调整方法 二、原理理解 1、对比度 对比度指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，差异范围越大代表对比越大，差异范围越小代表对比越小，好的对比率120:1就可容易地显示生动、丰富的色彩，当对比率高达300:1时，便可支持各阶的颜色。但对比率遭受和亮度相同的困境，现今尚无一套有效又公正的标准来衡量对比率，所以最好的辨识
7、OpenCV混合（融合）两张图像
phinoo的博客
01-14 1万+
OpenCV混合（融合）两张图像一、学习目标二、图像的线性混合三、两种方法实现图像的线性混合四、完整代码示例五、致谢 一、学习目标 理解什么是两张图像的混合（融合） 使用两种方法实现图像的混合 二、图像的线性混合 在之前的笔记中，我们已经学会了一些基于像素的基本操作。今天来了解一个有趣的二元(双输入)运算符：图像的线性混合运算符。 α从0→1变化，这个运算可以用于在两个图像或视频之间执行交叉融合，就像幻灯片和电影制作中看到的那样。 注意：执行线性混合的两张图像必须具有同样的尺寸和数据类型。 三、两种方
2、OpenCV加载、显示、保存图像
phinoo的博客
01-04 1万+
Opencv加载、显示、保存图像一、Opencv加载图像二、判断图像是否加载成功三、窗体显示图片四、保存图像五、完整代码示例六、其它关于图像保存的代码例子七、致谢 一、Opencv加载图像 1、所用函数原型： Mat cv::imread(const String & filename, int flags = IMREAD_COLOR) 功能介绍：函数imread从指定的文件中加载一个图像并返回它。如果图像不能被读取(因为文件丢失、权限不当、不支持
3、OpenCV播放视频、保存、暂停视频，打开摄像头
phinoo的博客
01-05 1万+
Opencv播放视频、保存、暂停视频，打开摄像头一、加载视频或摄像头二、获取视频帧或摄像头的帧三、循环逻辑控制视频显示四、暂停视频播放和中断视频播放五、视频保存六、完整代码示例七、致谢 一、加载视频或摄像头 1、原理理解 所谓的视频播放，无非就是将一堆有序的图片序列，按照顺序，以一定的间隔显示出来。这个间隔的多少与我们所听到的帧率相关。有了这个意识后，我们其实按照自己的思想都可以实现视频的播放：视频文件是由一帧帧具有先后顺序的图片组成，我们只需要将视频的每一帧按照原有的顺序显示出来即可。为此Opencv提供
6、OpenCV掩码矩阵运算Mask
phinoo的博客
01-08 9413
OpenCV掩码矩阵运算Mask一、学习目标二、掩码矩阵运算三、两种解决方案四、完整代码示例五、致谢 一、学习目标 了解什么是掩码矩阵运算 学会2种方法实现掩码矩阵运算 使用锐化图像的实例 二、掩码矩阵运算 矩阵的掩码操作非常简单。这个想法是我们根据掩码矩阵(也称为内核)重新计算图像中的每个像素值。此掩码保存的值将调整相邻像素(和当前像素)对新像素值的影响程度。从数学的观点来看，我们用我们指定的值得到一个加权平均数作为新像素值，可对比计算机视觉中的卷积运算。 测试案例 假如我们要实现图像得对比度增强。简
5、OpenCV遍历图像像素、查找表和时间效率
phinoo的博客
01-07 9222
OpenCV遍历图像像素、查找表和时间效率一、本节学习目标二、测试案例三、准备工作四、对比三种遍历算法的性能五、使用查找表的方法六、性能分析七、完整代码八、致谢 一、本节学习目标 学会如何遍历图像的每一个像素 弄懂OpenCV矩阵值是如何存储的 学会评估和测量算法的性能（使用计时函数） 弄清楚什么是查找表并学会使用他们 二、测试案例 让我们考虑一个简单的颜色量化（减少一个颜色分量如R通道的取值数）方法。通过使用unsigned char C和c++类型来存储矩阵元素，一个像素通道可以有多达256个不同的
python opencv 图像形态学开操作
最新发布
06-12
图像形态学是一种基于形态学理论的图像处理方法，可以用于图像分割、去噪、边缘检测等。OpenCV提供了一系列形态学操作函数。以下是一些基本的图像形态学操作： 1. 导入OpenCV库 ``` import cv2 import numpy as np ``` 2. 读取图像文件 ``` img = cv2.imread('image.jpg', 0) ``` 3. 定义结构元素 ``` kernel = np.ones((5,5),np.uint8) ``` 4. 膨胀操作 ``` dilation = cv2.dilate(img,kernel,iterations = 1) ``` 5. 腐蚀操作 ``` erosion = cv2.erode(img,kernel,iterations = 1) ``` 6. 开运算 ``` opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel) ``` 7. 闭运算 ``` closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel) ``` 8. 梯度运算 ``` gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel) ``` 9. 顶帽运算 ``` tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel) ``` 10. 黑帽运算 ``` blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel) ``` 注意：以上操作中，img为灰度图像。如果是彩色图像，需要先转换成灰度图像。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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