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