OpenCV黑帽运算(BLACKHAT)详解与实战

栗子

发布时间：2026-10-15 | 5人浏览过

原创

本文深入解析OpenCV中的黑帽运算（MORPH_BLACKHAT），阐述其通过闭运算结果减去原图以突出暗部细节的原理。详细列出morphologyEx函数的各项参数，并提供C++测试代码及效果演示，帮助开发者掌握该形态学操作在图像分析中的应用。

原理

形态学是图像处理领域的重要概念，其理论基础源于数学形态学，融合了格论与拓扑学的分析方法。黑帽运算属于形态学处理的一种，它结合了腐蚀与膨胀两种基本操作。

具体而言，黑帽运算的计算方式是用闭运算处理后的图像减去原始图像。这种操作能够有效增强图像中比周围轮廓更暗的区域，使细节更加显著。具体的视觉效果可参考下方的图1和图2。

函数原型

void morphologyEx( InputArray src, OutputArray dst,
                   int op, InputArray kernel,
                   Point anchor = Point(-1,-1), int iterations = 1,
                   int borderType = BORDER_CONSTANT,
                   const Scalar& borderValue = morphologyDefaultBorderValue() );
其中op=MORPH_BLACKHAT

参数说明

src：输入图像，通常为Mat类型。
dst：输出图像，用于存储处理结果。
op：指定运算类型，执行黑帽运算时需设置为MORPH_BLACKHAT。
anchor：锚点位置，默认值为(-1, -1)，即位于结构元素的中心，通常无需手动修改。
iterations：迭代次数，默认为1次。
borderType：边界像素的推断模式，OpenCV默认值为BORDER_CONSTANT。若需扩展图像边界，不同模式下生成像素的规则有所差异。
borderValue：当边界模式为常数时的边界值，默认调用morphologyDefaultBorderValue()函数获取。

测试代码

#include<iostream>
#include<opencv2/opencv.hpp>
#include<ctime>
using namespace std;
using namespace cv;
int main(void)
{
	cv::Mat test = cv::Mat::zeros(64, 64, CV_8UC1);
	cv::rectangle(test, cv::Rect(30, 30, 8, 8), 255, -1);
	cv::rectangle(test, cv::Rect(33, 30, 2, 2), 0, -1);
 
	cv::Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));
	cv::Mat result, close;
	cv::morphologyEx(test, close, MORPH_CLOSE, element);
	cv::morphologyEx(test, result, MORPH_BLACKHAT, element);
 
	imshow("original", test);
	imshow("close", close);
	imshow("result", result);
	waitKey(0);
 
	system("pause");
	return 0;
}

测试效果