形态学处理梯度、顶帽、黑帽


<>形态学梯度

基本梯度：经过膨胀操作的图像与经过腐蚀操作图像的差值图像，可以用来提取出物体的边缘部分。

内部梯度：原图像与经过腐蚀操作的图像的差值图像。

外部梯度：经过膨胀操作的图像与原图像的差值图像。

opencv中支持的是基本梯度，下面放一段代码和运行结果更直观的理解：
import cv2 import matplotlib.pyplot as plt img = cv2.imread("fig.jpg") kernel =
cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) gradient = cv2.morphologyEx(
img, cv2.MORPH_GRADIENT, kernel) plt.subplot(121); plt.imshow(img); plt.title(
"original") plt.subplot(122); plt.imshow(gradient); plt.title("gradient") plt.
show()

<>顶帽

原图像与经过开运算操作的图像的差值图像，作用是可以提取噪声，突出原图像中比周围亮的部分。（因为开运算本身可以去除一些孤立点，细微连接，毛刺等细节，所以这些细节就可以通过顶帽操作来提取出来）

下面一段代码和运行结果来更直观的理解：
import cv2 import matplotlib.pyplot as plt img = cv2.imread("fig.jpg") kernel =
cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25)) tophat = cv2.morphologyEx(
img, cv2.MORPH_TOPHAT, kernel) plt.subplot(121); plt.imshow(img); plt.title(
"original") plt.subplot(122); plt.imshow(tophat); plt.title("tophat") plt.show()

<>黑帽

经过闭运算操作的图像与原图像的差值图像，作用是突出原图像中比周围暗的区域。（比如闭运算本身可以填补物体内部的一些黑洞，这些黑洞就可以通过黑帽运算来凸显）

下面一段代码和运行结果来更直观的理解：
import cv2 import matplotlib.pyplot as plt img = cv2.imread("fig.jpg") kernel =
cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25)) blackhat = cv2.morphologyEx
(img, cv2.MORPH_BLACKHAT, kernel) plt.subplot(121); plt.imshow(img); plt.title(
"original") plt.subplot(122); plt.imshow(blackhat); plt.title("blackhat") plt.
show()

技术
下载桌面版
GitHub
Microsoft Store
SourceForge
Gitee
百度网盘（提取码：draw）
云服务器优惠
华为云优惠券
京东云优惠券
腾讯云优惠券
阿里云优惠券
Vultr优惠券
站点信息
问题反馈
邮箱：[email protected]
吐槽一下
QQ群：766591547
关注微信
©2020-2025 ioDraw All rights reserved, Privacy Policy