概述：形态学的高级形态，往往都是建立在腐蚀和膨胀这两个基本操作之上的，所以本篇主角是OpenCV的morphologyEx函数，它利用基本的膨胀和腐蚀技术，来执行更加高级的形态学变换，如开运算、闭运算、形态学梯度、“顶帽”、“黑帽” 等。
为了下面对比和演示以及理解的方便，浅墨自己制作了一张毛笔字图，这里先上原图：
4.1 开运算
开运算(Opening Operation)其实就是先腐蚀后膨胀的过程
dst = open(src,element) = dilate(erode(src,element));
开运算用来消除小物体，在纤细处分离物体并且在平滑较大的物体的边界不明显改变其体积
4.2 闭运算
先膨胀后腐蚀的过程(Closing Operation)
dst = cleose(src,element) = erode(dilate(src,element))
闭运算能够排除小型黑洞（黑色区域），如下所示：
4.3 形态学梯度
膨胀图与腐蚀图之差
dst = morph-grad(src,element) = dilate(sec,element-) - erode(src,element)
对二值图像进行这一操作可以将团块（blob）的边缘突出来。我们可以用形态学梯度来保留物体的边缘轮廓，如下所示：
4.4 顶帽
Top Hat（礼帽）,是原图与开运算的结果图之差
dst = tophat(src, element) = src - open(src, element)
-
因为开运算带来的结果是放大了裂缝或者局部低亮度的区域，因此，从原图中减去开运算后的图，得到的效果图突出了比原型轮廓周围的区域更明亮的区域。且这一操作和选择的核的大小有关
-
顶帽运算往往用来分离比邻近点亮一些的斑块。当一幅图像具有大幅的背景的时候，而微小物品比较有规律的时候，可以用顶帽运算进行背景提取。
4.5 黑帽
Black Hat 是闭运算与原图像之差
dst = blackhat(src, element) = close(src,element) -src
用来分离比邻近点暗一些的斑点，效果图有着非常完美的轮廓
4.6 morphologyEx()
morphologyEx函数利用基本的腐蚀核膨胀技术，来执行更加高级的形态学变换
void morphologyEx(InputArray src,OutputArray dst, int op,
InputArray kernel, Point anchor = Point(-1,-1),
int iterations = 1, int borderType = BORDER_CONSTANT,
const Scalar & borderValue=morphologyDefaultBorderValue());
-
第一个参数，输入图像
-
第二个参数，输出图像
-
第三个参数，使用的形态学方法即：
MORPH_OPEN – 开运算（Opening operation）
开运算是对图像先腐蚀再膨胀，可以排除小团的物体转换公式为：MORPH_CLOSE – 闭运算（Closing operation）闭运算是对图像先膨胀再腐蚀，可以排除小型黑洞，变换的公式：
MORPH_GRADIENT -形态学梯度（Morphological gradient）返回图片为膨胀图与腐蚀图之差，可以保留物体的边缘轮廓，变换公式为：
MORPH_TOPHAT - “顶帽”（“Top hat”）返回图像为原图像与开运算结果图之差，变换公式：
MORPH_BLACKHAT - “黑帽”（“Black hat“）返回图片为闭运算结果图与原图像之差，变换公式为：
-
第四个参数，InputArray类型的kernel，形态学运算的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。如果设置5*5的即：Mat(5, 5, CV_8U)
-
第五个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。
-
第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1。
-
第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_ CONSTANT。
-
第八个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()
