opencv常用算法--礼帽和黑帽（形态学）

图像的礼帽和黑帽变换是数学形态学图像处理中的两个重要操作。它们用于检测图像中的局部亮度变化和暗度变化，常用于图像增强和物体识别等应用。

礼帽变换（检测图像中的亮度变化）：

1.先对输入图像执行腐蚀操作，通常使用结构元素滑动在图像上，将核与图像的局部区域进行比较，找到局部最小像素值。

2.然后，将原始图像减去腐蚀操作的结果，这将突出亮度增加的区域，即亮度比周围更高的区域。

礼帽变换通常用来检测图像中的小亮斑点或小亮物体。在opencv中，可以使用cv2.morphologyEx函数来执行礼帽变换。

黑帽变换（检测图像中的暗度变化）：

1.先对输入图像执行膨胀操作，找到局部最大像素值

2.然后，将膨胀操作的结果减去原始图像，这将突出暗度增加的区域，即闭周围更暗的区域。

黑帽变换通常用于检测图像中的小暗斑点或小暗物体。在opencv中，也可以使cv2.morphologyEx函数来执行黑帽变换。

应用：

1.背景减除：用于分离前景物体和背景，检测移动物体或跟踪对象

2.文本检测：用于检测图像中的文本区域，特别是在复杂背景下

3.纹理分析：用于分析纹理特征，如检测图像中的纹理缺陷或特征

4.医学图像分析：在医学影像中，用于检测和分析病变、血管、斑点等

5.图像增强：用于增强图像中的局部细节，使其更容易分析和识别