1.腐蚀
腐蚀具有收缩和细化图像前景的作用。其原理是定义一个结构元素，用这个结构元素去遍历整个图像，只有图像能够包含整个结构元素，该图像中心的点才会被保留。
腐蚀操作通过cv2.erode(src,kernel,iterations)函数来实现。其中腐蚀用的结构元素kernel需要自己事先定义好。不同的结构元素对腐蚀的效果也有很大的影响。iterations是指腐蚀迭代的次数，默认为1.
2.膨胀
膨胀的效果与腐蚀恰恰相反，具有扩大图像的作用（但不是腐蚀的逆操作）。也是通过选择一个结构元素，使其在图像中滑动，当结构元素覆盖区域的邻域内有1，则该覆盖邻域的中心点被保留。
膨胀操作通过cv2.dilate(src,kernel,iterations)函数来实现，用法与腐蚀相近。
在opencv中我们定义结构元素可以通过cv2.getStructuringElement(shape,size,point)函数来实现，其中形状有三种：
矩形：MORPH_RECT;
交叉形：MORPH_CROSS;
椭圆形：MORPH_ELLIPSE;
下面我们用代码实现一下腐蚀和膨胀操作：
import cv2
import numpy as np
img = cv2.imread('F:\python\work\cv_learn\lena.jpg',1)#读取图像
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(10, 10))#定义一个10x10的矩形核
erode = cv2.erode(img,kernel,5)
dilate = cv2.dilate(img,kernel,5)
cv2.imshow('erode',erode)#显示腐蚀图像
cv2.imshow('dilate',dilate)#显示膨胀图像
cv2.waitKey(0)#保持图像
运行效果如下：
3.开运算
所谓的开运算就是先对图像进行腐蚀，再对图像进行膨胀操作，可以消除一些毛刺，这也验证了腐蚀与膨胀不是可逆的。通过形态学运算函数cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)实现
4.闭运算
闭运算就是对图像先膨胀后腐蚀，可以消除图像内部的一些小孔之类的噪声。实现函数cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)，可以看到只是将形态学运算函数中的参数改一下就可以。
5.梯度操作
图像的梯度操作就是将图像膨胀的结果减去腐蚀的结果，以得到图像的边缘。将形态学运算函数中第二个参数改为cv2.MORPH_GRADIENT即可。即cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)
6.礼帽（顶帽）操作
礼帽操作就是用原图减去开运算的图像，以得到前景图外面的毛刺噪声。修改形态学运算函数参数为cv2.MORPH_TOPHAT即可
7.黑帽操作
黑帽就是用原图减去闭运算的图像，以得到前景图像内部的小孔等噪声。修改形态学运算函数参数为cv2.MORPH_BLACKHAT即可。由于没有合适的图像，便不再演示。