Python图像处理丨两种实现图像形态学转化运算

摘要：本篇文章主要讲解Python调用OpenCV实现图像形态学转化，包括图像顶帽运算和图像黑帽运算。

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, kernel)

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-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, kernel)

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, kernel)

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-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, kernel)

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~