OpenCV-Python：腐蚀、膨胀、开操作、闭操作
腐蚀：
腐蚀就是选择滑动窗口中像素值最小的点（局部最小值）。
公式表示：
可以理解为，移动结构B，如果结构B与结构A的交集完全属于结构A的区域内，则保存该位置点，所有满足条件的点构成结构A被结果B腐蚀的结果。
函数原型：
dst=cv2.erode(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])
膨胀
膨胀就是选择滑动窗口中像素值最大的点（局部最大值）
公式表示：
可以理解为，将结构B在结构A上进行卷积操作，所有移动结构B与结构A存在交集的位置的集合为结构A在结构B作用下的膨胀结果。
函数原型：
dst=cv2.dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])
src：源图，通道数任意，数据类型可以为CV_8U，CV_16U，CV_16S，CV_32F或 CV_64F
dst：输出图，与src有着同样的尺寸
kernel：操作核（结构B），通常这个参数由函数getStructuringElement得到，你要乐意自己写一个也行
anchor：锚点位置，默认值为中心点
iterations：自身迭代的次数，默认为1
常规用于计算 kernel 的函数 getStructuringElement(shape, ksize[, anchor])，函数原型：
retval=cv2.getStructuringElement(shape, ksize[, anchor])
retval：得到的核，矩阵形式
shape：核的形状，有cv2.MORPH_RECT、cv2.MORPH_CROSS和cv2.MORPH_ELLIPSE
ksize：核的大小， (x,y) 形式
anchor：锚点，默认为中心
开操作
函数公式：
dst = open(src(x,y)) = dilate(erode(src(x,y)))
先腐蚀后膨胀的操作称为开操作。它具有消除细小物体，在纤细处分离物体和平滑较大的物体边界的作用。
函数原型：
dst = cv2.morphologyEx(src,cv2.MORPH_OPEN,kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])
效果图：
使用结构B进行开操作：
闭操纵
公式表示：
dst = open(src(x,y)) = erode(dilate(src(x,y)))
先膨胀后腐蚀的操作称之为闭操纵。它具有填充物体内细小空间，连接邻近物体和平滑边界的作用。
函数原型：
dst = cv2.morphologyEx(src,cv2.MORPH_CLOSE,kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])
效果图：
使用结构B进行闭操作：
引申
形态学梯度
公式表示：
简单的讲就是膨胀以后的图像减去腐蚀以后的图像。
函数原型：
dst = cv2.morphologyEx(src,cv2.MORPH_GRADIENT,kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])
#或者可以这样写
cv2.dilate() - cv2.erode()
顶帽
公式表示：
简单的讲就是原图减去开运算以后的图像。
函数原型：
dst = cv2.morphologyEx(src,cv2.MORPH_TOPHAT,kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])
黑帽
公式表示：
简单的讲就是闭运算以后的图像减去原图后的图像。
函数原型：
dst = cv2.morphologyEx(src,cv2.MORPH_BLACKHAT,kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])
参考链接：
https://blog.csdn.net/qq_30490125/article/details/80490776