opencv基础40-礼帽运算(原始图像减去其开运算)cv2.MORPH_TOPHAT

礼帽运算是用原始图像减去其开运算图像的操作。礼帽运算能够获取图像的噪声信息,或者得到比原始图像的边缘更亮的边缘信息。

例如,图 8-22 是一个礼帽运算示例,其中:

  • 左图是原始图像。
  • 中间的图是开运算图像。
  • 右图是原始图像减开运算图像所得到的礼帽图像。

将函数 cv2.morphologyEx()中操作类型参数 op 设置为"cv2.MORPH_TOPHAT",可以实现礼帽运算。其语法结构如下:

result = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

代码示例:

复制代码
import cv2
import numpy as np
o1=cv2.imread("tophat.bmp",cv2.IMREAD_UNCHANGED)

k=np.ones((5,5),np.uint8)
r1=cv2.morphologyEx(o1,cv2.MORPH_TOPHAT,k)

cv2.imshow("original1",o1)
cv2.imshow("result1",r1)

cv2.waitKey()
cv2.destroyAllWindows()

运行结果:

原图:

相关推荐
Ulana15 分钟前
计算机基础10大高频考题解析
java·人工智能·算法
windfantasy199016 分钟前
NCT与GESP哪个更好?线上监考与线下考点的便利性对比
人工智能
执笔论英雄18 分钟前
【LORA】
人工智能
Jerryhut31 分钟前
Bev感知特征空间算法
人工智能
xian_wwq41 分钟前
【学习笔记】基于人工智能的火电机组全局性能一体化优化研究
人工智能·笔记·学习·火电
春风LiuK1 小时前
虚实无界:VRAR如何重塑课堂与突破研究边界
人工智能·程序人生
歌_顿1 小时前
Embedding 模型word2vec/glove/fasttext/elmo/doc2vec/infersent学习总结
人工智能·算法
胡萝卜3.01 小时前
深入C++可调用对象:从function包装到bind参数适配的技术实现
开发语言·c++·人工智能·机器学习·bind·function·包装器
Echo_NGC22371 小时前
【KL 散度】深入理解 Kullback-Leibler Divergence:AI 如何衡量“像不像”的问题
人工智能·算法·机器学习·散度·kl
愤怒的可乐1 小时前
从零构建大模型智能体:OpenAI Function Calling智能体实战
人工智能·大模型·智能体