原始圖像：
函數：cv2.erode(),cv2.dilate(),cv2.morphotogyEx()
形態學轉換原理：一般情況下對二值化圖像進行操作。需要兩個參數，一個是原始圖像，第二個被稱為結構化元素或者核，它是用來決定操作的性質的。基本操作為腐蝕和膨脹，他們的變體構成了開運算，閉運算，梯度等。
1.腐蝕
把前景物體的邊界腐蝕掉，但是前景仍然是白色的。卷積核沿著圖像滑動，如果與卷積核對應的原圖像的所有像素值都是1，那么中心元素就保持原來的像素值，否則就變為零。根據卷積核的大小靠近前景的所有像素都會被腐蝕掉（變為0），所以前景物體會變小，整幅圖像的白色區域會減少。這對于去除白噪音很有用，也可以用來斷開兩個連在一塊的物體。
~~~
import cv2
import numpy as np
img = cv2.imread('1024.jpg',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations=1)
while(1):
cv2.imshow('image',img)
cv2.imshow('erosion',erosion)
k=cv2.waitKey(1)
if k == ord('q'):#按q鍵退出
break
cv2.destroyAllWindows()
~~~
演示結果：
2.膨脹
與腐蝕相反，與卷積核對應的原圖像的像素值中只要有一個是1，中心元素的像素值就是1。所以這個操作會增加圖像中白色區域（前景）。一般在去噪音時先腐蝕再膨脹，因為腐蝕再去掉白噪音的同時，也會使前景對象變小，所以我們再膨脹。這時噪音已經被去除，不會再回來了，但是前景還在并會增加，膨脹也可以用來連接兩個分開的物體。
~~~
dilation = cv2.dilation(img,kernel,iterations=1)
~~~
3.開運算
先進行腐蝕再進行膨脹就叫做開運算。被用來去除噪音，函數可以使用cv2.morphotogyEx()
~~~
opening = cv2.morphotogyEx(img,cv2.MORPH_OPEN,kernel)
~~~
4.閉運算
先膨脹再腐蝕。被用來填充前景物體中的小洞，或者前景上的小黑點。
~~~
closing = cv2.morphotogyEx(img,cv2.MORPH_CLOSE,kernel)
~~~
5.形態學梯度
其實就是一幅圖像膨脹與腐蝕的差別。
結果看上去就像前景物體的輪廓。
~~~
gradient = cv2.morphotogyEx(img,cv2.MORPH_GRADIENT,kernel)
~~~
6.禮帽
原始圖像與進行開運算之后得到的圖像的差。
~~~
tophat = cv2.morphotogyEx(img,cv2.MORPH_TOPHAT,kernel)
~~~
7.黑帽
進行閉運算之后得到的圖像與原始圖像的差。
~~~
blackhat = cv2.morphotogyEx(img,cv2.MORPH_BLACKHAT,kernel)
~~~
8.形態學操作之間的關系及結構化元素
形態學操作之間的關系
結構化元素
之前的例子都是使用numpy構建了結構化元素，但是是正方形的，若需要構建橢圓或者圓形的核，可以使用OpenCV提供的函數cv2.getStructuringElemenet()，只需要告訴它你需要的核的形狀和大小。
