Python图像处理：形态学图像变换操作的两种实现

作者：eastmount。

一个。图像滚筒操作

1。基本原理

Image Top Hat（或Image Top Hat）操作是原始图像减去图像开运算以获得图像噪声的结果。如下图所示：

气缸动作（img）=原图（img）-开模动作（img）

2.函数原型

morphologyEx函数主要用于图像打开操作，是形态学的扩展。函数数组，其 cv2.MORPH_TOPHAT 参数对应于打开操作。原型如下：

dst = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)

参数 dst 表示处理结果，src 表示原始图像，cv2.MORPH_TOPHAT 表示柱面操作，kernel 表示卷积核。下图显示了一个 5*5 的卷积核，可以使用函数 np.ones ((5,5), np.uint8) 构建。

卷积如下图所示：

3。代码实现

整个代码如下：

#encoding:utf-8
import 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()

输出如下图所示，可以看到外部噪声被提取出来了。

如果想要更多细节，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）

两个。黑帽操作示意图

1。基本原理

黑帽图像的运算是被遮挡图像减去原始图像的运算结果，导致图像内出现小孔或者前景色中有小黑点。如下图所示：

黑帽操作（img）=闭操作图像（img）-原始图像（img）

2.函数原型

morphologyEx函数，主要用于图像开运算，是形态学的扩展函数集，其cv2.MORPH_BLACKHAT参数对应开运算。原型如下：

dst = cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)

参数 dst 表示处理结果，src 表示原始图像，cv2.MORPH_BLACKHAT 表示黑帽操作，kernel表示卷积核。下图显示了一个 5*5 的卷积核，可以使用函数 np.ones ((5,5), np.uint8) 构建。

3。代码实现

整个代码如下：

#encoding:utf-8
import 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()

输出如下图所示。您可以看到图像内部的黑点被提取出来。

但是里面的四个较大的黑点没有被提取出来。要获得更多细节，您可以将卷积设置为 10*10，如下图所示：

kernel = np.ones((10 ,10), np.uint8)
result = cv2 .morphologyEx(src ，cv2.MORPH_BLACKHAT，核心）