【基础】礼帽运算与黑帽运算

1. 礼帽运算

礼帽运算是用原始图像减去其开运算图像的操作。礼帽运算能够获取图像的噪声信息，或者得到比原始图像的边缘更亮的边缘信息。

如上图所示，左图为原始图像，右图为原始图像减开运算图像所得到的礼帽图像。

从上图可以看到，礼帽运算使用原始图像减开运算图像得到礼帽图像，礼帽图像是原始图像中的噪声信息。

通过将函数cv2.morphologyEx()中操作类型参数op设置为cv2.MORPH_TOPHAT，可以实现礼帽运算。其语法结构如下：

tophat = morphologyEx(image, cv2.MORPH_TOPHAT, kernel)

程序演示：

import cv2
import numpy as np

image = cv2.imread('cv.jpg', cv2.IMREAD_GRAYSCALE)

kernel = np.ones((5, 5), dtype=np.uint8)

tophat = cv2.morphologyEx(image, cv2.MORPH_TOPHAT, kernel)

cv2.imshow('image, tophat', np.hstack((image, tophat)))

cv2.waitKey(0)
cv2.destroyAllWindows()

2. 黑帽运算

黑帽运算是用闭运算图像减去原始图像的操作。黑帽运算能够获取图像内部的小孔，或前景色中的小黑点，或者得到比原始图像的边缘更暗的边缘部分。例如下图是黑帽运算，

其中，左图为原始图像，右图是使用闭运算图像减原始图像所得到的黑帽图像。

从上图可以看到，黑帽运算使用闭运算图像减原始图像得到黑帽图像，黑帽图像是原始图像中的小孔（噪声）。

通过将函数cv2.morphologyEx()中操作类型参数op设置为cv2.MORPH_BLACKHAT，可以实现黑帽运算。其语法结构如下：

blackhat = cv2.morphologyEx(image, cv2.MORPH_BLACKHAT, kernel)

程序演示：

import cv2
import numpy as np

image = cv2.imread('cv_white.jpg', cv2.IMREAD_GRAYSCALE)

kernel = np.ones((5, 5), dtype=np.uint8)

blackhat = cv2.morphologyEx(image, cv2.MORPH_BLACKHAT, kernel)

cv2.imshow('image, blackhat', np.hstack((image, blackhat)))

cv2.waitKey(0)
cv2.destroyAllWindows()

请自行对自定义图像进行测试。