OpenCV学习之路（八）图像的形态学转换（腐蚀，膨胀，开、闭运算，梯度运算，礼帽，黑帽）
形态学操作是对图像形状进行的操作，一般情况下是对二值化图像进行的操作，两个基本的形态学操作是腐蚀和膨胀。
腐蚀
腐蚀操作很容易理解，与生活中的腐蚀意义一样，生活中的东西在腐烂的时候，总是会从边缘开始由外向内腐蚀。就是这个意思。
原理
使用卷积核遍历图像像素值，以卷积核的中心为中心，如果与卷积核对应的像素值全为1（即全是白色），像素值就保持不变。否则与卷积核对应的像素值就全变为0。也就体现出了边缘都被腐蚀掉的情形。
从图中很容易看出腐蚀的过程。前景区被腐蚀掉。
构造函数：
cv2.erode(src,kernel,iterations)
参数解释：
- src：一般情况是一个二值图像，像素值只有0和1。
- kernel：即我们自己定义的卷积核，可以使用numpy定义
- iterations：进行腐蚀操作的次数，默认为1。如果觉得腐蚀效果不好，可以多腐蚀几次。
例
import numpy as np
import cv2
img=cv2.imread('D://zopencv//ball.jpg',cv2.IMREAD_GRAYSCALE)
ret,mask=cv2.threshold(img,127,255,cv2.THRESH_BINARY)#转换为二值图片，不转也行
kernel=np.ones((5,5),np.uint8)
mask1=cv2.erode(mask,kernel)
cv2.imshow('mask',mask1)
cv2.waitKey(0)
cv2.destroyAllWindows()
膨胀
膨胀与腐蚀恰好是两个相反的操作，腐蚀是白色向内收缩，膨胀则是白色向外扩张。
原理
一个我们自定义的卷积核以卷积核中心为中心遍历整幅图像，如果与卷积核对应的像素值只要有1，就全为1。否则是0。
构造函数
cv2.dilate(src,kernel,iteration)
例
import numpy as np
import cv2
img=cv2.imread('D://zopencv//pengzhang.png',cv2.IMREAD_GRAYSCALE)
ret,mask=cv2.threshold(img,127,255,cv2.THRESH_BINARY)
kernel=np.ones((5,5),np.uint8)
mask1=cv2.dilate(mask,kernel,iterations=8)
cv2.imshow('mask',mask1)
cv2.waitKey(0)
cv2.destroyAllWindows()
开运算
先进行腐蚀在进行膨胀的操作就叫做开运算
开运算（image）=膨胀（腐蚀（image））
开运算常用来去除图片中的噪声。腐蚀可以把噪声去掉，但是图像也被压缩了，所以我们需要膨胀来使图像恢复原样
构造函数：
cv2.morphologyEx(src,op,kernel)
- op:函数执行的操作类型，op参数我们要写
cv2.MORPH_OPEN
才是开运算。
闭运算
不用多说，闭运算是先进行膨胀在进行腐蚀。常用来填补前景物中的黑点。
mask1=cv2.morphologyEx(mask,cv2.MORPH_CLOSE,kernel)
梯度运算
这种方法常常用来获取图像的轮廓。
梯度运算实际上就是膨胀-腐蚀
梯度运算（image）=膨胀（image）-腐蚀（image）
函数：
mask1=cv2.morphologyEx(mask,cv2.MORPH_GRADIENT,kernel)
礼帽
礼帽运算（image）=原图（image）- 开运算（image）
所以礼帽运算得到的实际上是噪声图像。
函数：
mask1=cv2.morphologyEx(mask,cv2.MORPH_TOPHAT,kernel)
黑帽
黑帽运算（image）=闭运算（image）-原图（image）
实际得到的是前景图中的黑点和小洞
函数：
mask1=cv2.morphologyEx(mask,cv2.MORPH_BLACKHAT,kernel)