使用 Python-OpenCV 进行 Top-Hat 和 Black-Hat 转换

最新推荐文章于 2026-08-31 13:45:08 发布
原创 最新推荐文章于 2026-08-31 13:45:08 发布 · 3.3k 阅读 · 6
顶帽和黑帽变换是图像处理中的关键操作，用于从图像中提取小特征和细节。顶帽变换适用于增强暗背景中的亮物体，而黑帽变换则用于突出明亮背景上的暗对象。这两种变换通过形态学的开闭运算实现，常用于特征提取、背景均衡和图像增强等任务。在Python中，可以使用OpenCV库的morphologyEx函数进行这两种变换。
在形态学和数字图像处理中，顶帽和黑帽变换是用于从给定图像中提取小元素和细节的操作。在这两种类型的变换中，顶帽变换被定义为输入图像与其开口之间的差异被某种结构元素定义，而黑帽变换被定义为闭合图像和输入图像之间的差异。这些变换用于各种图像处理任务，例如特征提取、背景均衡、图像增强等。进行顶帽和黑帽转换会涉及到 使Opening和Closing形态学操作和结构元素等概念。

Top-Hat 和 Black-Hat 之间的区别：

最低0.47元/天 解锁文章
顶帽变换（Top_hat）算法（学习笔记）
Hilaryw的博客
04-16 4166
红外图像中的弱小目标的目标属性包涵“弱"和“小’’两个方面：“弱’’是指目标在红外波长上所表现出来的强度，具体反映到所拍摄的红外图像上，就是指目标的灰度值；而“小’’是指目标的尺寸大小，也就是前面所述的成像面积很小，反映到红外图像上就是指目标所占的像素数目很少。SPIE国际光学工程学会(Societyof Photo一0ptical Instrumentation Engineers，简记为SPIE)从1989年开始，几乎每年都会举办有关弱小目标检测技术的国际会议，研讨弱小目标检测技术的最新研究成果。根据S
形态学操作——开闭运算、顶帽底(黑)帽变换
hanhan的博客
03-16 3289
膨胀和腐蚀运算的问题： 边缘形状发生了变化，膨胀发生了扩张，腐蚀发生了收缩 目标物体变形，对识别时的特征提取会造成影响 解决方法： 开运算 先腐蚀再膨胀的结果并不是恢复原状，而是会消除黏连部分，同时不影响其他部分的形状. 效果： 闭运算 先膨胀再腐蚀的结果并不是恢复原状，而是填充小的裂缝、孔隙，且不影响形状. 效果： ...
弱小目标检测跟踪算法研究（5） 基于顶帽变换（Top_hat）算法的红外弱小目标检测之背景抑制Opencv
sinat_34897952的博客
05-13 1660
基于顶帽变换（Top_hat）算法的红外弱小目标检测之背景抑制Opencv1. 前言2. 顶帽变换（Top_hat）算法3. Opencv实例4. 小结 1. 前言 红外图像中的弱小目标，目标属性包涵“弱"和“小’’两个方面：“弱’’是指目标在红外波长上所表现出来的强度，具体反映到所拍摄的红外图像上，就是指目标的灰度值；而“小’’是指目标的尺寸大小，也就是前面所述的成像面积很小，反映到红外图像上就是指目标所占的像素数目很少。 SPIE国际光学工程学会(Societyof Photo一0ptical Inst
形态学操作原理与工业实战：从腐蚀膨胀到AOI检测
cojm55771的博客
07-11 413
形态学操作是图像处理中基于集合论的几何变换技术，核心通过结构元素对二值图像执行腐蚀、膨胀、开闭运算等物理式形态修正。其原理不依赖像素灰度或梯度，而是依据目标区域的空间连通性与形状结构，具备强可解释性与参数可控性。该技术在工业视觉中价值突出——能稳定修复断裂边缘、清除椒盐噪声、提取精确轮廓，且计算轻量、实时性高，广泛应用于OCR字符修复、PCB焊点检测、医疗影像分割及自动驾驶车道线补全等场景。本文聚焦OpenCV实现，深入解析结构元素选型、核尺寸设计、边界处理及灰度图适配等关键实践要点。
形态学处理——顶帽变换和底帽变换
qq_45279570的博客
09-12 5276
顶帽变换(Top-hat) Top-hat定义为图像减去开运算结果 开运算可以消除暗背景下的较亮区域，用原图减去开运算结果就可以得到原图中灰度较亮的区域，又称为白顶帽变换。还可以校正不均匀光照。 底帽变换 闭运算减去原图像 闭运算可以删除亮度较高背景下的较暗区域，则再减去原图像就可以得到原图中灰度较暗的区域，又称为黑底帽变换。 函数原型 开运算、闭运算、白顶帽运算、黑底帽运算 结构元：getStructuringElement(shape,kSize[,anchor]) shape:
【图像处理】-011 顶帽和底帽变换
热门推荐
freehawkzk的专栏
12-26 1万+
【图像处理】-011 顶帽和底帽变换   顶帽变换和底帽变换属于图像形态学处理的一种，可用于校正不均匀光照的影响。 文章目录1 理论依据2 底帽变换应用3 OpenCV实现4 注意 1 理论依据   图像相减与开操作和闭操作相结合，会产生Top-hat(顶帽)变换和bottom-hat(底帽)变换。灰度级图像fff的顶帽变换定义为fff减去其开操作： (1)That(f)=f−f(f∘b) ...
12-opencv-python-形态学转换
猪猪的博客
06-05 434
目录 一、腐蚀 二、膨胀 三、开运算 四、闭运算 五、形态学梯度 六、Top-Hat 七、Black-Hot 八、形态学操作之间的关系 九、构造结构化元素（核） 形态学转换原理：一般情况下对二值化图像进行操作。需要两个参数，一个是原始图像，另一个是结构化元素（核），它是用来决定操作的性质的。基本操作为腐蚀和膨胀，他们的变体构成了开运算、闭运算、梯度等 谢谢这朵小花！！！ 一、腐蚀 把前景物体的边界腐蚀掉，但是前景依然是白色的。卷积核沿着图像滑动，如果与卷积核对应的原...
树莓派OLED HAT驱动指南：SPI与I2C协议选型及Python实战
weixin_34228387的博客
07-31 367
SPI和I2C是嵌入式系统中两种最基础的串行通信协议，广泛应用于微控制器与外围设备的连接。SPI采用主从架构和全双工通信，通过独立的时钟、数据线和片选信号实现高速数据传输，适合显示器、SD卡等对速率要求高的场景。I2C则采用共享总线设计，仅需两根线即可连接多个设备，通过地址寻址实现半双工通信，在引脚资源紧张和多设备管理时优势明显。在树莓派生态中，这两种协议的价值尤为突出，它们为各类传感器、存储设备和显示模块提供了标准化的接入方案。具体到1.3英寸OLED HAT的应用，协议选择直接影响显示刷新率和引脚占用，
OpenCV（Python 版）
qq_32381773的博客
05-28 392
计算机中的图像本质上是由无数像素组成的网格，彩色图像通常通过红（R）、绿（G）、蓝（B）三个独立的颜色通道来记录信息，每个通道都是一个二维数字矩阵，矩阵中的数值代表对应位置像素该颜色的亮度（通常为 0-255），三个通道的数值组合决定了像素最终呈现的颜色，计算机存储的就是这些通道矩阵数据，以及图像的宽、高、通道数等元信息。
Python编程实战：从基础到高级开发技巧
weixin_30307921的博客
08-08 425
Python作为动态类型语言，凭借其简洁语法和丰富生态成为数据科学与Web开发的首选。其核心优势在于解释器架构实现快速迭代开发，配合标准库如collections和itertools可显著提升编码效率。在工程实践中，Python通过虚拟环境隔离和类型注解支持构建可维护的大型项目，特别适合快速原型开发与AI模型部署场景。针对性能敏感场景，可采用Numba加速或Cython扩展突破GIL限制，而asyncio协程则能高效处理IO密集型任务。本文通过VS Code配置、FastAPI构建等实战案例，展示Pytho
芯片缺陷检测实战：OpenCV+PyTorch视觉算法全流程解析
最新发布
weixin_32487557的博客
08-31 249
机器视觉在工业质检中的应用日益深入，尤其在高价值、高精度的半导体制造领域，芯片表面缺陷检测已成为AOI系统的核心能力。传统的人工目检效率低、漏检率高，难以满足产线对稳定性和节拍的要求。工程实践中，单纯依赖深度学习端到端目标检测往往面临小目标难检测、样本不均衡、推理速度受限等现实问题。更可靠的技术路线是采用“传统图像处理粗筛 + 轻量级深度学习分类细判”的组合策略：先利用OpenCV实现灰度化、顶帽变换、连通域分析等预处理规则，快速锁定可疑区域；再通过PyTorch训练的ResNet18或MobileNetV
树莓派驱动电子墨水屏：从SPI通信到低功耗信息显示实战
chaoyv
07-31 410
SPI（串行外设接口）是一种广泛应用于嵌入式系统的同步串行通信协议，它通过主从架构和时钟信号实现微控制器与外围设备的高速数据交换。其核心原理在于利用MOSI、MISO、SCLK和CS四根线完成全双工通信，具有接线简单、速度可调的优点。在树莓派等单板计算机项目中，SPI常被用于驱动各类显示屏和传感器，是实现硬件交互的关键技术。电子墨水屏（e-Paper）正是通过SPI接口接收图像数据，其独特的微胶囊电泳显示技术，使得屏幕仅在刷新时耗电，断电后仍能保持图像，从而实现了极低的功耗和类纸的视觉体验。这种超低功耗特性
学习日记 8.4
YEEMOLY的博客
08-04 231
在计算机视觉领域，图像处理是基础且核心的技能。OpenCV 作为最流行的计算机视觉库，提供了丰富的图像处理函数。本文将带你从零开始，实战掌握形态学操作（腐蚀、膨胀、开闭运算）经典边缘检测算子（Sobel、Scharr、Laplacian、Canny），以及实时摄像头的视频流处理。所有代码均基于 Python + OpenCV，适合初学者上手练习。结构元素是一个小矩阵，定义了形态学操作的“探针”形状和大小。kernel = np.ones((3, 3), np.uint8) # 3x3 的矩形结构元素。
形态学操作原理与实战：结构元素设计、开闭运算及工业应用
weixin_30824599的博客
07-12 327
形态学操作是图像处理中基于集合论的二值图像结构分析方法，核心通过结构元素（SE）定义局部邻域形状，以腐蚀、膨胀等集合运算实现前景区域的精准增删。其技术价值在于计算高效、逻辑可解释、抗噪性强，特别适用于嵌入式视觉、实时检测和深度学习前处理等对鲁棒性要求高的场景。在工业缺陷检测、医学影像分割、PCB分析等任务中，合理选用椭圆/十字形SE、控制尺寸与迭代次数，能有效去除白噪、填补孔洞、增强边缘特征。本文深入解析开运算去毛刺、闭运算连断裂、顶帽/底帽特征提取等关键机制，并结合OpenCV实操揭示数据类型、边界填充、
工业视觉笔记快捷搜索---目录
weixin_47059239的博客
06-21 1468
工业视觉需要时可抄的代码---持续更新 一(1-28)目录1、批量访问图片，等待键盘1.2 批量访问图像（不用提前批量重命名）--访问文件夹底下所有同类型图像1.2.1 单独只有批量访问的1.3 批量访问图像（也是不用提前批量重命名）--访问文件夹底下所有同类型图像1.4 批量访问图像（也是不用提前批量重命名）--访问文件夹底下所有同类型图像1.5 批量访问图像（不用提前批量重命名）--单张和批量前面路径相同(jiefeng)1.6 批量访问图像（不用提前批量重命名）--单张和批量前面路径相同(bioake
形态学顶帽与黑帽变换详解
2401_86968005的博客
03-03 1559
黑帽变换 = 闭运算结果 - 原始图像•：闭运算符号。
Halcon知识:gray_tophat 顶帽变换和底帽变换
gongdiwudu的专栏
02-13 9770
对于图像的光线变化较大的情况，全局二值化存在问题；如何消除光线不均的影响？用顶帽原理可以消除这种影响后二值化，能消除这种光影响。本篇讲述这种算法原理。
灰度级形态学 - 顶帽变换和底帽变换
Henry的博客
11-02 4073
顶帽变换和底帽变换就是图像的加减和开闭运算的结合顶帽变换的公式为：原图 - 原图的开运算这里结合开运算的几何图形解释来介绍顶帽变换。因为开运算是结构元从下往上推动的过程，所以会删除图像灰度值相对周围高的亮点，而其他的区域影响是不大的。那么原图 - 原图的开运算的话，就是保留灰度值较高的亮点，顶帽运算相当于把开运算删除的亮点补回来了。并且，可以发现，open运算的图像灰度值均
黑帽变换：图像暗部特征提取利器
警警的博客
07-23 1319
摘要： 黑帽变换是一种数学形态学操作，定义为闭运算结果减去原始图像（(BlackHat(f) = Closing(f) - f)），用于突出图像中的暗色特征（如裂缝、凹陷）。其核心作用包括暗部细节增强、背景抑制及光照校正，广泛应用于缺陷检测、医学图像分析等。与白帽变换（亮特征提取）互补，黑帽变换对噪声和结构元素敏感。尽管不直接用于数字高程模型（DEM）提取（需LiDAR、摄影测量等技术），但可能在DEM相关图像预处理（如点云数据增强）中间接辅助地形特征分析。本质为二维图像处理工具，无法直接生成三维高程数据。
数字图像处理篇---黑帽
在你不想做的时候，正是应该做的时候。
02-04 666
黑帽变换是一种图像处理技术，通过闭运算减去原图来检测图像中的暗色微小凹陷和孔洞。其核心公式为黑帽=闭运算后的图-原图，相当于先填平凹陷再与原图对比，专门提取比背景暗的小缺陷。该技术广泛应用于工业检测（表面划痕）、医学分析（组织空洞）等领域，结构元素大小决定检测灵敏度。记忆口诀黑帽找小黑洞可帮助理解其专用于检测暗色凹陷的特性，与检测亮点的顶帽变换形成鲜明对比。
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值