前文传送门：
「Python 图像处理 OpenCV （2）：像素处理与 Numpy 操作以及 Matplotlib 显示图像」
「Python 图像处理 OpenCV （3）：图像属性、图像感兴趣 ROI 区域及通道处理」
「Python 图像处理 OpenCV （4）：图像算数运算以及修改颜色空间」
「Python 图像处理 OpenCV （5）：图像的几何变换」
「Python 图像处理 OpenCV （6）：图像的阈值处理」
「Python 图像处理 OpenCV （7）：图像平滑（滤波）处理」
「Python 图像处理 OpenCV （8）：图像腐蚀与图像膨胀」
「Python 图像处理 OpenCV （9）：图像处理形态学开运算、闭运算以及梯度运算」
引言
今天是图形处理形态学的后一篇，我们介绍顶帽运算和黑帽运算。
建议先阅读前面两篇图像处理的内容：
「Python 图像处理 OpenCV （8）：图像腐蚀与图像膨胀」
「Python 图像处理 OpenCV （9）：图像处理形态学开运算、闭运算以及梯度运算」
形态学之顶帽运算
图像处理顶帽运算是一个获取图像噪声的运算，它是由原始图像减去图像开运算而得到的结果：
顶帽运算 = 原始图像 - 开运算
复制代码
图像顶帽运算同样是使用形态学扩展函数 morphologyEx() ，它的参数是 MORPH_TOPHAT ，示例如下：
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
# 读取图片
source = cv.imread("demo_noise_white.jpg", cv.IMREAD_GRAYSCALE)
# 设置卷积核
kernel = np.ones((5, 5), np.uint8)
# 开运算
open = cv.morphologyEx(source, cv.MORPH_OPEN, kernel)
# 顶帽运算
dst = cv.morphologyEx(source, cv.MORPH_TOPHAT, kernel)
# 显示结果
titles = ['Source Img','Open Img', 'Tophat Img']
images = [source, open, dst]
# matplotlib 绘图
for i in range(3):
plt.subplot(1, 3, i+1), plt.imshow(images[i],'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
复制代码
形态学之黑帽运算
图像处理顶帽运算是一个获取图像内部的小孔，或者前景色中的小黑点的运算。
它是由图像闭运算减去原始图像的操作：
黑帽运算 = 闭运算图像 - 原始图像
复制代码
图像顶帽运算同样是使用形态学扩展函数 morphologyEx() ，它的参数是 MORPH_BLACKHAT ，示例如下：
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
# 读取图片
source = cv.imread("demo_noise_black.jpg", cv.IMREAD_GRAYSCALE)
# 设置卷积核
kernel = np.ones((5, 5), np.uint8)
# 黑帽运算
dst = cv.morphologyEx(source, cv.MORPH_BLACKHAT, kernel)
# 构造显示结果数组
titles = ['Source Img', 'Black Img']
images = [source, dst]
# matplotlib 绘图
for i in range(2):
plt.subplot(1, 2, i+1), plt.imshow(images[i],'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
复制代码
今天的内容比较短，至此，图像形态学的几个基础的运算已经全部介绍完毕，希望各位同学能理解这几个运算的原理，而不是仅仅知道了几个参数或者说几个方法的调用。
示例代码
如果有需要获取源码的同学可以在公众号回复「OpenCV」进行获取。
