OpenCV：顶帽与黑帽运算

相关阅读

OpenCV：开运算-CSDN博客

OpenCV：闭运算-CSDN博客

简述

在图像处理和分析中，顶帽运算 和 黑帽运算是两种重要的形态学操作。它们用于从图像中提取特定的特征区域：顶帽运算突出亮点区域，黑帽运算强调暗点区域。这篇博文将详细介绍它们的定义、作用、相关接口及使用场景。

1. 顶帽运算

顶帽运算 = 原图 - 开运算

顶帽运算 是一种形态学操作，主要用于提取图像中比背景亮的细节。

它可以看作是原始图像与其 开运算结果的差值：

其中：

A 是输入图像。
B 是卷积核（kernel）。
(A∘B) 是图像 A 的开运算结果。

顶帽运算的作用：

提取比背景亮的细小区域。
去除大范围的低频背景信息，突出局部亮点。
增强对比度。

2. 黑帽运算

黑帽运算 = 原图 - 闭运算

黑帽运算 是一种形态学操作，主要用于提取图像中比背景暗的区域。

它可以看作是图像 闭运算结果与原始图像的差值：

其中：

A 是输入图像。
B 是卷积核（kernel）。
(A∙B) 是图像 A 的闭运算结果。

黑帽运算的作用：

提取比背景暗的小区域。
突出细小的暗纹和阴影区域。
增强对比度，适合背景亮、局部暗区域的图像。

3. 顶帽与黑帽运算的关系

运算类型	作用	应用场景
顶帽运算	提取亮点	提取比背景亮的局部区域
黑帽运算	提取暗点	提取比背景暗的局部区域

从数学表达来看，顶帽运算与黑帽运算是基于开运算和闭运算的差值变体，分别用于增强亮区域和暗区域的特征。

4. 顶帽与黑帽运算接口

在 OpenCV 中，顶帽和黑帽运算均由 cv2.morphologyEx() 函数实现，其相关参数如下：

python 复制代码

cv2.morphologyEx(src, op, kernel, dst=None, anchor=(-1, -1), iterations=1, borderType=cv2.BORDER_CONSTANT, borderValue=0)

4.1 参数说明

src：输入图像（灰度图或二值图像）。
op：形态学操作类型：cv2.MORPH_TOPHA 顶帽运算，cv2.MORPH_BLACKHAT 黑帽运算。
kernel：卷积核，定义运算的形状和大小。
iterations：操作的迭代次数，默认为 1。
borderType 和 borderValue：处理边界时的填充方式和边界值。

4.2 代码示例

python 复制代码

import cv2
import numpy as np

# 读取图像
image = cv2.imread('D:\\resource\\filter\\tophat.png')
image2 = cv2.imread('D:\\resource\\filter\\blackhat.png')

# 创建结构元素
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (15, 15))

# 开运算去掉了小物体，保留了较大的物体；原图减去开运算后，留下了小物体。
open_img = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)

# 顶帽运算 = 原图 - 开运算（腐蚀 + 膨胀）
tophat = cv2.morphologyEx(image, cv2.MORPH_TOPHAT, kernel)

# 闭运算去掉了较小的孔洞，还原了较大的物体；原图减去闭运算后，留下了较小的孔洞。
close_img = cv2.morphologyEx(image2, cv2.MORPH_CLOSE, kernel)

# 黑帽运算 = 原图 - 闭运算（膨胀 + 腐蚀）
blackhat = cv2.morphologyEx(image2, cv2.MORPH_BLACKHAT, kernel)

# 显示结果
cv2.imshow('image', image)
cv2.imshow('open_img', open_img)
cv2.imshow('tophat', tophat)

cv2.imshow('image2', image2)
cv2.imshow('close_img', close_img)
cv2.imshow('blackhat', blackhat)

cv2.waitKey(0)
cv2.destroyAllWindows()