[Python图像处理] 十.形态学之图像顶帽运算和黑帽运算

Eastmount

发布于 2021-12-02 21:15:34

8830

发布于 2021-12-02 21:15:34

文章被收录于专栏：Python和安全那些事Python和安全那些事

该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类、目标检测应用。

前一篇文章介绍图像形态学变换，包括图像开运算、图像闭运算和梯度运算。本篇文章继续讲解Python调用OpenCV实现图像形态学变换，包括图像顶帽运算和图像黑帽运算，基础性知识希望对您有所帮助。不足之处，还请海涵~

一.图像顶帽运算
二.图像黑帽运算
三.总结

文章参考自己以前系列图像处理文章及OpenCV库函数，同时部分参考网易云lilizong老师的视频，推荐大家去学习。同时，本篇文章涉及到《计算机图形学》基础知识，请大家下来补充。该系列在github所有源代码：

https://github.com/eastmountyxz/ ImageProcessing-Python

数学形态学（Mathematical morphology）是一门建立在图论和拓扑学基础之上的图像分析学科，是数学形态学图像处理的基本理论。其基本的运算包括：腐蚀和膨胀、开运算和闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换等。

一. 图像顶帽运算

1.基本原理图像顶帽（或图像礼帽）运算是原始图像减去图像开运算的结果，得到图像的噪声。如下图所示：

顶帽运算(img) = 原始图像(img) - 开运算(img)

2.函数原型图像开运算主要使用的函数morphologyEx，它是形态学扩展的一组函数，其参数cv2.MORPH_TOPHAT对应开运算。其原型如下：

dst = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)

参数dst表示处理的结果，src表示原图像，cv2.MORPH_TOPHAT表示顶帽运算，kernel表示卷积核。下图表示5*5的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。

卷积如下图所示：

3.代码实现完整代码如下所示：

#encoding:utf-8
import cv2  
import numpy as np  

#读取图片
src = cv2.imread('test01.png', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((5,5), np.uint8)

#图像顶帽运算
result = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下图所示，可以看到外部噪声被提取出来。

如果想获取更多的细节，可以将卷积设置为10*10，如下图所示：

kernel = np.ones((10,10), np.uint8)
result = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)

二. 图像黑帽运算

1.基本原理图像黑帽运算是图像闭运算操作减去原始图像的结果，得到图像内部的小孔，或者前景色中的小黑点。如下图所示：

黑帽运算(img) = 闭运算图像(img) - 原始图像(img)

2.函数原型图像开运算主要使用的函数morphologyEx，它是形态学扩展的一组函数，其参数cv2.MORPH_BLACKHAT对应开运算。其原型如下：

dst = cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)

参数dst表示处理的结果，src表示原图像，cv2.MORPH_BLACKHAT表示黑帽运算，kernel表示卷积核。下图表示5*5的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。

3.代码实现完整代码如下所示：

#encoding:utf-8
import cv2  
import numpy as np  

#读取图片
src = cv2.imread('test02.png', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((5,5), np.uint8)

#图像黑帽运算
result = cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下图所示，可以看到图像内部黑点被提取出来。