一、顶帽操作（TOPHAT）

顶帽 = 原图 - 开运算

开运算的效果是去除图像外的噪点，因此原图 - 开运算就得到了去掉的噪点。

通过API --- morphologyEx（img， MORPH_TOPHAT， kernel）

示例代码如下：

import cv2
import numpy as np
cv2.namedWindow("img", cv2.WINDOW_NORMAL)
cv2.resizeWindow("img", 640, 480)
img = cv2.imread("i.png")
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
new_img = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel, iterations=1)
cv2.imshow("img", np.hstack((img, new_img)))
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下：

可以看出通过顶帽操作只留下了图像外部的噪声点。

二、黑帽操作（BLACKHAT）

黑帽 = 原图 - 闭运算

闭运算可以将图形内部的噪声点去掉，那么原图 - 闭运算的结果就是图形内部的噪声点。

通过API --- morphologyEx（img， MORPH_BLACKHAT， kernel）

示例代码如下：

import cv2
import numpy as np
cv2.namedWindow("img", cv2.WINDOW_NORMAL)
cv2.resizeWindow("img", 640, 480)
img = cv2.imread("is.png")
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# 黑帽操作
new_img = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel, iterations=1)
cv2.imshow("img", np.hstack((img, new_img)))
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下：

可以看出通过顶帽操作只留下了图像内部的噪声点。