顶帽(Top Hat)：
原图像与开操作之间的差值图像，突出原图像中比周围亮的区域
黑帽(Black Hat)：
闭操作图像与原图像的差值图像, 突出原图像中比周围暗的区域
形态学梯度(Gradient)：
基础梯度：基础梯度是用膨胀后的图像减去腐蚀后的图像得到差值图像，称为梯度图像也是opencv中支持的计算形态学梯度的方法，而此方法得到梯度有称为基本梯度。
内部梯度：是用原图像减去腐蚀之后的图像得到差值图像，称为图像的内部梯度。
外部梯度：图像膨胀之后再减去原来的图像得到的差值图像，称为图像的外部梯度。
顶帽python实现以及结果
deftop_hat_demo(image):
gray=cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
kernel= cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
dst=cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, kernel)#提升亮度
cimage =np.array(gray.shape, np.uint8)
cimage= 100dst=cv2.add(dst, cimage)
cv2.imshow("top_hat_demo", dst)
黑帽python实现以及结果
defblack_hat_demo(image):
gray=cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
kernel= cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
dst=cv2.morphologyEx(gray, cv2.MORPH_BLACKHAT, kernel)#提升亮度
cimage =np.array(gray.shape, np.uint8)
cimage= 100dst=cv2.add(dst, cimage)
cv2.imshow("black_hat_demo", dst)
二值图像的顶帽与黑帽操作
def threshold_top_hat_demo(image): #二值图像顶帽操作
gray =cv2.cvtColor(image, cv2.COLOR_BGRA2GRAY)
ret, thresh= cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY |cv2.THRESH_OTSU)
kernel= cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
dst=cv2.morphologyEx(thresh, cv2.MORPH_TOPHAT, kernel)
cv2.imshow("dst", dst)def threshold_black_hat_demo(image): #二值图像黑帽操作
gray =cv2.cvtColor(image, cv2.COLOR_BGRA2GRAY)
ret, thresh= cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY |cv2.THRESH_OTSU)
kernel= cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
dst=cv2.morphologyEx(thresh, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow("dst", dst)
形态学梯度操作
defgradient1_demo(image):
cv2.imshow("image", image)
gray=cv2.cvtColor(image, cv2.COLOR_BGRA2GRAY)
ret, thresh= cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY |cv2.THRESH_OTSU)
kernel= cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
dst= cv2.morphologyEx(thresh, cv2.MORPH_GRADIENT, kernel) #基本梯度
cv2.imshow("dst", dst)defgradients2_demo(image):
cv2.imshow("image", image)
kernel= cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
dm=cv2.dilate(image, kernel)
em=cv2.erode(image, kernel)
dst1= cv2.subtract(image, em) #内部梯度
dst2 = cv2.subtract(dm, image) #外部梯度
cv2.imshow("internal", dst1)
cv2.imshow("external", dst2)
内部梯度，外部梯度结果
))