【OpenCV3.3+Python3.6】图像形态学操作之顶帽，黑帽以及形态学梯度

形态学操作

1.顶帽：原图与开操作之间的差值图像

2.黑帽：闭操作与源图像的差值图像

3.形态学梯度
    基本梯度：基本梯度是用膨胀后的图像减去腐蚀后的图像得到差值图像，称为梯度图像也是opencv中支持的计算形态学梯度的方法。

    内部梯度：用原图减去腐蚀之后的图像得到的差值图像

    外部梯度：图像膨胀之后再减去原来的图像得到的差值图像

 

代码奉上：

import cv2
import numpy as np

def tophat_demo(image):  #顶帽
    gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) #转化为灰度图
    kernel=cv2.getStructuringElement(cv2.MORPH_RECT, (15,15)) #获得形状
    dst=cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, kernel)  #形态学操作之顶帽
    cimage=np.array(gray.shape, np.uint8)  #增加亮度
    cimage=100
    dst=cv2.add(dst,cimage)
    cv2.imshow("tophat_demo",dst)


def blackhat_demo(image):  #黑帽
    gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) #转化为灰度图
    kernel=cv2.getStructuringElement(cv2.MORPH_RECT, (15,15)) #获得形状
    dst=cv2.morphologyEx(gray, cv2.MORPH_BLACKHAT, kernel)  #形态学操作之黑帽
    cimage=np.array(gray.shape, np.uint8)  #增加亮度
    cimage=100
    dst=cv2.add(dst,cimage)
    cv2.imshow("blackhat_demo",dst)

def binaryhat_demo(image):  #黑帽二值化或者顶帽二值化
    gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) #转化为灰度图
    ret,binary=cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY|cv2.THRESH_OTSU)  #二值化处理
    kernel=cv2.getStructuringElement(cv2.MORPH_RECT, (15,15)) #获得形状
    dst=cv2.morphologyEx(binary, cv2.MORPH_BLACKHAT, kernel) #形态学操作之黑帽或者顶帽
    cimage = np.array(gray.shape, np.uint8)  # 增加亮度
    cimage = 100
    dst = cv2.add(dst, cimage)
    cv2.imshow("binaryhat_demo",dst)

def gradienthat1_demo(image):  #基本梯度
    gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) #转化为灰度图
    ret,binary=cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY|cv2.THRESH_OTSU)   #二值化处理
    kernel=cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))  #获得形状
    dst=cv2.morphologyEx(binary, cv2.MORPH_GRADIENT, kernel)  #形态学操作之梯度
    cv2.imshow("gradienthat1_demo",dst)

def gradienthat2_demo(image):  #内梯度或者外梯度
    kernel=cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))  #获得形状
    dm=cv2.dilate(image, kernel)  #进行膨胀
    em=cv2.erode(image,kernel)  #进行腐蚀
    dst1=cv2.subtract(image,em)  #内梯度  原图-腐蚀
    dst2 = cv2.subtract(dm,image)  # 外梯度  膨胀-原图
    cv2.imshow("internal内梯度",dst1)  #
    cv2.imshow("external外梯度", dst2)

print("---------------hello------------------")
src=cv2.imread("test.png")
src1=cv2.imread("open&close.png")
cv2.imshow("source_image原图",src)
tophat_demo(src)
blackhat_demo(src)
binaryhat_demo(src)
gradienthat1_demo(src1)
gradienthat2_demo(src1)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图：

顶帽：

 

黑帽：

 

基本梯度：

 

内外梯度：