底帽运算（Bottom–hat transformation），也称为黑帽运算，是形态学图像处理中的一种操作。它与顶帽运算相反，通过闭运算的结果与原始图像的差异来突出图像中的暗区域特征。
原理
底帽运算通过对图像执行闭运算（先膨胀后腐蚀）来平滑图像并移除较大尺度的特征，然后将闭运算结果与原始图像进行差分，以突出图像中的暗区域特征。
作用和适用场景
数学公式
(
f
,
S
E
)
=
(
f
,
S
E
)
−
f
text{BottomHat}(f, SE) = text{Closing}(f, SE) – f
BottomHat(f,SE)=Closing(f,SE)−f
其中，
f
f
f 是原始图像，
S
E
SE
Closing
(
f
,
S
E
)
f
f
f的闭运算结果。
代码示例（使用Python的OpenCV库）
import cv2
import numpy as np
def show_images(image):
cv2.namedWindow('image',cv2.WINDOW_KEEPRATIO)
cv2.imshow('image',image)
cv2.waitKey()
cv2.destroyAllWindows()
def bottom_hat(image):
# 定义结构元素（这里使用一个 5x5 的正方形结构元素）
# 定义结构元素
kernel = np.ones((5, 5), np.uint8)
# 应用闭运算
closing = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)
# 应用底帽运算
bottomhat = closing - image
return bottomhat
if __name__ == '__main__':
# 读取图像
img = cv2.imread('cat-dog.png', flags=0)
re_img=bottom_hat(img)
# top_row = np.hstack((img, re_img[0]))
# bottom_row = np.hstack((re_img[1], re_img[2])) #水平
# combined_img = np.vstack((img, re_img))# 垂直
combined_img=np.hstack((img,re_img))
show_images(combined_img)
这段代码使用了OpenCV库进行底帽运算。它首先读取了一张灰度图像，然后定义了一个 (5 times 5) 的矩形结构元素。接着，使用 cv2.morphologyEx 函数进行闭运算得到 closing 图像，最后通过图像减法得到底帽运算结果 bottomhat，并展示原始图像和底帽运算结果。
原文地址:https://blog.csdn.net/qq_50993557/article/details/134723084
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_38734.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
