Python 图像处理丨两种实现图像形态学转化运算

本文分享自华为云社区《[Python图像处理] 十.形态学之图像顶帽运算和黑帽运算》，作者： eastmount 。

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，内核）

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-8import 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，内核）

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，内核）

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-8import 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。

但内部比较大的四个黑点没有被提取，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_BLACKHAT，内核）

本文摘录自 eastmount X 华为云开发者社区联合出品的电子书《从零到一 • Python图像处理及识别》，点击免费下载电子书。

点击关注，第一时间了解华为云新鲜技术~