顶帽操作是图像处理中的一把“手术刀”，专门用来分离和强化图像里那些比周围更亮的微小细节。它背后的逻辑并不复杂：顶帽 = 原图 - 开运算。

这里的“开运算”像一个“过滤器”，先腐蚀再膨胀，能抹去图像中比自身结构元素小的亮斑和细节。原图减去过滤掉细节的图，剩下的自然就是我们想找的微小亮部特征了。

开运算的效果是去除图形外的噪点，原图-开运算就得到了外部的噪点。那什么是开运算呢？

1. 开运算 = 先腐蚀 + 后膨胀

2. 闭运算 = 先膨胀 + 后腐蚀

closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

具体关于什么是腐蚀和膨胀的介绍，大家可以看过往的这篇文章：OpenCV开发教程之腐蚀与膨胀。

其中对什么开运算和闭运算做了介绍。

• 膨胀（Dilate）：白色区域变大，扩大噪点
• 腐蚀（Erode）：白色区域变小，消除噪点
• 常用于：去噪、分割文字、连通区域、轮廓预处理

# 顶帽运算代码
import cv2
import numpy as np
from opencv_jupyter_ui import cv2_imshow
#导入图片
img = cv2.imread('./images/j2.png')
print(img.shape)

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9,9))
print(kernel)
dst = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel, iterations=1)

# 显示结果
cv2_imshow('顶帽运算', np.hstack((img,dst)))

通过上图发现，左边的图只剩下了白色的噪点。

附注：

形态学操作对比一览表：