目录

一、形态学梯度

二、顶帽操作

三、黑帽操作

---

一、形态学梯度

• 梯度=原图 - 腐蚀
• 腐蚀之后原图边缘变小，原图 - 腐蚀 就可以得到腐蚀掉的部分，即边缘

案例代码如下:

import cv2
import numpy as np

# 导入图片
img = cv2.imread('6.jpg')

# 注意调节kernel大小以获得更清晰的边缘
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(3,3))

dst = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel,iterations=1)

cv2.imshow('img',np.hstack((img,dst)))

cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下:

二、顶帽操作

• 顶帽 = 原图 - 开运算
• 开运算的效果是去除图形外的噪点，原图 - 开运算就得到了去掉的噪点

案例代码如下:

import cv2
import numpy as np


img = cv2.imread('6.jpg')

# 注意调整kernel以保留小图形
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(19,19))

dst = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel,iterations=1)

cv2.imshow('img',np.hstack((img,dst)))

cv2.waitKey(0)
cv2.destroyAllWindows()

三、黑帽操作

• 黑帽 = 原图 - 闭运算
• 闭运算可以将图形内部的噪点去掉，那么原图 - 闭运算的结果就是图形内部的噪点

案例代码如下:

import cv2
import numpy as np


img = cv2.imread('6.jpg')

# 注意调整kernel以保留小图形
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(19,19))

dst = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel,iterations=1)

cv2.imshow('img',np.hstack((img,dst)))

cv2.waitKey(0)
cv2.destroyAllWindows()