简单的图像处理——3. 图像的形态学操作：形态学梯度与顶底帽变换

回顾

前面我们介绍了图像的形态学操作中的腐蚀、膨胀、开运算、闭运算，这篇文章我们将继续介绍后面的形态学梯度与顶底帽变换这几种操作。

同样，我们还是以可爱的小鸟来介绍。

---

形态学梯度

这种方法其实就是膨胀操作与腐蚀操作的差，便于寻找对象的轮廓。针对一些简单的二值图，或者灰度图可能比较好的提取其边缘，但如果当成一个边缘检测的方法，效果却不会很好。

针对二值图与灰度图效果如下：

而针对彩色图，我们分别以10*10与50*50的两个核来进行操作，其效果如下：

可以发现：鸟的轮廓、后面山的轮廓以及气泡与一些水面上的小沙粒都显现的比较明显，而如果核再变大一些，轮廓线就会相应的变粗，这点从其是膨胀操作与腐蚀操作的差即可看出。

---

顶帽变换

原图像与开操作对象的差。当我们在处理一张图片的时候（例如提取眼底彩照的血管等信息），很多情况需要对这张图片进行一定的预处理，而通常我们就会用顶帽或者底帽变换。

顶帽变换用于凸显暗背景上的亮物体。

对二值图来说，进行顶帽变换或之后底帽变换看起来就像是加一个阴影，有一种立体的效果。

而回到我们的彩图上，分别用两种不同大小的核来做，就是如下美如画的效果：

---

底帽变换

闭操作与原图像的差值。底帽变换用于凸显用于凸显亮背景上的暗物体。

二值图效果如下，与顶帽变换相比，就是一个方向相反的阴影：

而底帽变换回到我们的彩图上，同样分别用两种不同大小的核来做，效果如下：

这些都是要针对实际的问题来进行操作的。最后我们来总结一下前面所提到的一系列形态学操作。

---

Python代码实现

# 开运算
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

# 闭运算
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

# 形态学梯度
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

# 顶帽变换
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

# 底帽变换
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

---

形态学操作总结

下表中，$X$表示原图，$K$表示用于进行相关操作的核。

操作	公式	性质
膨胀	$X\oplus K = \{x| K+x \cup x \neq \emptyset \}$	扩张$X$的边界
腐蚀	$X\ominus K = \{x| K+x \subseteq X \}$	收缩$X$的边界
形态学梯度	$G(X) = X\oplus K - X\ominus K$	保留物体的边缘轮廓
开运算	$X\circ K = (X\ominus K)\oplus K$	平滑轮廓，切断狭窄区域，并消除小的孤岛和尖刺
闭运算	$X\bullet K = (X\oplus K)\ominus K$	平滑轮廓
顶帽变换	$T_{hat}(X)=X−(X\circ K)$	用于凸显暗背景上的亮物体
底帽变换	$B_{hat}(X)=(X\bullet K)-X$	用于凸显亮背景上的暗物体