禮帽運(yùn)算

原圖像與“開運(yùn)算“的結(jié)果圖之差，如下式計(jì)算：

因?yàn)殚_運(yùn)算帶來(lái)的結(jié)果是放大了裂縫或者局部低亮度的區(qū)域，因此，從原圖中減去開運(yùn)算后的圖，得到的效果圖突出了比原圖輪廓周圍的區(qū)域更明亮的區(qū)域，且這一操作和選擇的核的大小相關(guān)。

禮帽運(yùn)算用來(lái)分離比鄰近點(diǎn)亮一些的斑塊。當(dāng)一幅圖像具有大幅的背景的時(shí)候，而微小物品比較有規(guī)律的情況下，可以使用頂帽運(yùn)算進(jìn)行背景提取。

黑帽運(yùn)算

為”閉運(yùn)算“的結(jié)果圖與原圖像之差。數(shù)學(xué)表達(dá)式為：

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

黑帽運(yùn)算用來(lái)分離比鄰近點(diǎn)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(yùn)算
  • cv:MORPH_CLOSE：閉運(yùn)算
  • cv:MORPH_TOPHAT：禮帽運(yùn)算
  • cv:MORPH_BLACKHAT：黑帽運(yùn)算

• Kernel： 核結(jié)構(gòu)

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(chuàng)建核結(jié)構(gòu) kernel = np.ones((10, 10), np.uint8)# 3 圖像的禮帽和黑帽運(yùn)算 cvOpen = cv.morphologyEx(img1, cv.MORPH_TOPHAT, kernel) # 禮帽運(yùn)算 cvClose = cv.morphologyEx(img2, cv.MORPH_BLACKHAT, kernel) # 黑帽運(yùn)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(yùn)算結(jié)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(yùn)算結(jié)果") plt.show()

總結(jié)

以上是生活随笔為你收集整理的OpenCV 礼帽和黑帽的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。