禮帽運算

原圖像與“開運算“的結果圖之差，如下式計算：

因為開運算帶來的結果是放大了裂縫或者局部低亮度的區域，因此，從原圖中減去開運算后的圖，得到的效果圖突出了比原圖輪廓周圍的區域更明亮的區域，且這一操作和選擇的核的大小相關。

禮帽運算用來分離比鄰近點亮一些的斑塊。當一幅圖像具有大幅的背景的時候，而微小物品比較有規律的情況下，可以使用頂帽運算進行背景提取。

黑帽運算

為”閉運算“的結果圖與原圖像之差。數學表達式為：

黑帽運算后的效果圖突出了比原圖輪廓周圍的區域更暗的區域，且這一操作和選擇的核的大小相關。

黑帽運算用來分離比鄰近點暗一些的斑塊。

cv.morphologyEx(img, op, kernel)

• img: 要處理的圖像

• op: 處理方式：

  • cv.MORPH_OPEN：開運算
  • cv:MORPH_CLOSE：閉運算
  • cv:MORPH_TOPHAT：禮帽運算
  • cv:MORPH_BLACKHAT：黑帽運算

• Kernel： 核結構

import numpy as np import cv2 as cv import matplotlib.pyplot as plt# 1 讀取圖像 img1 = cv.imread("./1.png") img2 = cv.imread("./2.png")# 2 創建核結構 kernel = np.ones((10, 10), np.uint8)# 3 圖像的禮帽和黑帽運算 cvOpen = cv.morphologyEx(img1, cv.MORPH_TOPHAT, kernel) # 禮帽運算 cvClose = cv.morphologyEx(img2, cv.MORPH_BLACKHAT, kernel) # 黑帽運算# 4 圖像顯示 fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 8)) axes[0, 0].imshow(img1) axes[0, 0].set_title("原圖") axes[0, 1].imshow(cvOpen) axes[0, 1].set_title("禮帽運算結果") axes[1, 0].imshow(img2) axes[1, 0].set_title("原圖") axes[1, 1].imshow(cvClose) axes[1, 1].set_title("黑帽運算結果") plt.show()

總結

以上是生活随笔為你收集整理的OpenCV 礼帽和黑帽的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。