OpenCV基础操作-开运算与闭运算-梯度运算_算法

文章目录

开运算与闭运算

在opencv中，开运算（opening）和闭运算（closing）都是图像形态学的操作，它们经常与腐蚀和膨胀操作结合使用，用于图像处理和分析中的一些任务，如去噪、平滑、边缘检测等。

开运算（opening）操作的定义为先对图像进行腐蚀操作，再对腐蚀后的图像进行膨胀操作。开运算可以消除图像中的小且细小的噪点，同时保持主要对象的形状和结构。
闭运算（closing）操作的定义为先对图像进行膨胀操作，再对膨胀后的图像进行腐蚀操作。闭运算可以填充图像中的小孔洞，平滑图像边缘。

腐蚀和膨胀的原理和应用可以看上一篇博客：opencv基础操作-腐蚀操作-膨胀操作


def read_img(img_path, mode=cv2.imread_color):
    """

    :param mode:
    :param img_path: 图像路径
    :return: array
    """
    return cv2.imread(img_path, mode)


def img_show(name, img):
    """

    :param name: 窗口名称
    :param img: 图像数据array
    """
    cv2.imshow(name, img)
    cv2.waitkey(0)
    cv2.destroyallwindows()
if __name__ == '__main__':
    img_path_3 = 'test_img.png'
    # 默认读取bgr
    image_3 = read_img(img_path_3)
    img_3 = cv2.resize(image_3, (224, 224))
    # 定义结构元素（kernel）
    kernel = np.ones((5, 5), np.uint8)
    # 进行开运算
    opened_image = cv2.morphologyex(img_3, cv2.morph_open, kernel)
    # 进行闭运算
    closed_image = cv2.morphologyex(img_3, cv2.morph_close, kernel)
    x1 = np.hstack((img_3, opened_image))
    x2 = np.hstack((img_3, closed_image))
    img_show('--', x1)
    img_show('==', x2)

开运算结果（左图为运算前，右图为运算后）

在这里插入图片描述

闭运算结果（左图为运算前，右图为运算后）

在这里插入图片描述

梯度运算

直观理解

标准范式

    # 定义结构元素（kernel）
    kernel = np.ones((5, 5), np.uint8)
    gradient = cv2.morphologyex(img_3, cv2.morph_gradient, kernel)

结果

在这里插入图片描述

礼帽与黑帽

直观理解

礼帽 = 原始输入 - 开运算结果
黑帽 = 闭运算结果 - 原始输入

标准范式

    # 定义结构元素（kernel）
    kernel = np.ones((5, 5), np.uint8)
    tophat = cv2.morphologyex(img_3, cv2.morph_tophat, kernel)
    blackhat = cv2.morphologyex(img_3, cv2.morph_blackhat, kernel)