import cv2 as cv
import numpy as np
def tophat_demo(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
dst = cv.morphologyEx(binary, cv.MORPH_GRADIENT, kernel)
cv.imshow("tophat", dst)
def gradient_demo(image):
kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
dm = cv.dilate(image, kernel) # 膨胀
em = cv.erode(image, kernel) # 腐蚀
dst1 = cv.subtract(image, em) # internal gradient
dst2 = cv.subtract(dm, image) # external gradient
cv.imshow("internal", dst1)
cv.imshow("external", dst2)
print("-------- Hello Python --------")
src = cv.imread("D:/opencv/red.jpg")
cv.namedWindow("target", cv.WINDOW_AUTOSIZE)
cv.imshow("target", src)
gradient_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
顶帽
原图像减去开运算结果
开运算可以消除暗背景下的较亮区域,所以顶帽变换可以得到原图中灰度较亮的区域。顶帽变换的一个很重要的作用就是校正不均匀光照
黑帽
原图片减去闭运算结果
闭运算可以删除亮度较高背景下的较暗区域,所以黑帽变换可以得到原图片中灰度较暗的区域
形态学梯度
膨胀结果减去腐蚀结果
膨胀是取领域内的最大值从而增大高亮度区域的面积;腐蚀是取领域内的最小值,从而减小高亮度区域的面积。所以形态学梯度的处理结果是保留图像中物体的边界。