通过阈值化分割可以得到二值图，但往往会出现图像中物体形态不完整，变的残缺，可以通过形态学处理，使其变得丰满，或者去除掉多余的像素。常用的形态学处理算法包括：腐蚀，膨胀，开运算，闭运算，形态学梯度，顶帽运算和底帽运算。
1. 腐蚀
腐蚀操作类似于中值平滑，也有一个核，但不进行卷积运算，而是取核中像素值的最小值代替锚点位置的像素值，这样就会使图像中较暗的区域面积增大，较亮的的区域面积减小。如果是一张黑底，白色前景的二值图，就会使白色的前景物体颜色变小，就像被腐蚀了一样。
进行腐蚀操作的核，不仅可以是矩形，还可以是十字形和椭圆形，opencv提供getStructuringElement()函数来获得核，其参数如下：
kernel=cv2.getStructuringElement(shape,ksize,anchor)
shape:核的形状
cv2.MORPH_RECT: 矩形
cv2.MORPH_CROSS: 十字形(以矩形的锚点为中心的十字架)
cv2.MORPH_ELLIPSE:椭圆(矩形的内切椭圆） ksize: 核的大小，矩形的宽，高格式为(width,height)
anchor: 核的锚点，默认值为(-,-),即核的中心点
opencv提供erode()函数进行腐蚀操作，其对应参数如下：
dst=cv2.erode(src,kernel,anchor,iterations,borderType,borderValue):
src: 输入图像对象矩阵,为二值化图像
kernel:进行腐蚀操作的核，可以通过函数getStructuringElement()获得
anchor:锚点，默认为(-,-)
iterations:腐蚀操作的次数，默认为1
borderType: 边界种类，有默认值
borderValue:边界值，有默认值
腐蚀操作的代码和效果如下：
可以看到二值化图像中白色的opencv字体面积变小了，就像被腐蚀了。注意这是黑底白字，如果是白底黑字，效果会相反，字体反而会膨胀。
#coding:utf-import cv2 as cvimg = cv.imread(r"C:\Users\Administrator\Desktop\logo.png")
img_cvt = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
ret,img_thr = cv.threshold(img_cvt,,,cv.THRESH_BINARY_INV)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(,))
dst = cv.erode(img_thr,kernel,iterations=)cv.imshow("img",img)
cv.imshow("img_thr",img_thr)
cv.imshow("dst",dst)
cv.waitKey()
cv.destroyAllWindows()
cv2.erode()
2.膨胀
膨胀操作和腐蚀操作正好相反，是取核中像素值的最大值代替锚点位置的像素值，这样会使图像中较亮的区域增大，较暗的区域减小。如果是一张黑底，白色前景的二值图，就会使白色的前景物体颜色面积变大，就像膨胀了一样
opencv提供dilate()函数进行膨胀操作，其对应参数如下：
dst = cv2.dilate(src,kernel,anchor,iterations,borderType,borderValue)
src: 输入图像对象矩阵,为二值化图像
kernel:进行腐蚀操作的核，可以通过函数getStructuringElement()获得
anchor:锚点，默认为(-,-)
iterations:腐蚀操作的次数，默认为1
borderType: 边界种类
borderValue:边界值
膨胀操作的代码和效果如下：
可以看到二值化图像中白色的opencv字体面积变大了，就像膨胀了
#coding:utf-import cv2 as cvimg = cv.imread(r"C:\Users\Administrator\Desktop\logo.png")
img_cvt = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
ret,img_thr = cv.threshold(img_cvt,,,cv.THRESH_BINARY_INV)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(,))
dst = cv.dilate(img_thr,kernel,iterations=)cv.imshow("img",img)
cv.imshow("img_thr",img_thr)
cv.imshow("dst",dst)
cv.waitKey()
cv.destroyAllWindows()
cv2.dilate()
3.开运算，闭运算，顶帽，顶帽
开运算：先进行腐蚀操作，后进行膨胀操作，主要用来去除一些较亮的部分，即先腐蚀掉不要的部分，再进行膨胀。
闭运算：先进行膨胀操作，后进行腐蚀操作，主要用来去除一些较暗的部分。
形态学梯度：膨胀运算结果减去腐蚀运算结果，可以拿到轮廓信息。
顶帽运算：原图像减去开运算结果。
底帽运算：原图像减去闭运算结果。
进行开运算，闭运算，顶帽运算，底帽运算，形态学梯度，opencv提供了一个统一的函数cv2.morphologyEx()，其对应参数如下：
dst = cv2.morphologyEx(src,op,kernel,anchor,iterations,borderType,borderValue)
src: 输入图像对象矩阵,为二值化图像
op: 形态学操作类型
cv2.MORPH_OPEN 开运算
cv2.MORPH_CLOSE 闭运算
cv2.MORPH_GRADIENT 形态梯度
cv2.MORPH_TOPHAT 顶帽运算
cv2.MORPH_BLACKHAT 底帽运算 kernel:进行腐蚀操作的核，可以通过函数getStructuringElement()获得
anchor:锚点，默认为(-,-)
iterations:腐蚀操作的次数，默认为1
borderType: 边界种类
borderValue:边界值
使用代码和对应效果如下：
#coding:utf-import cv2 as cv
import matplotlib.pyplot as pltimg = cv.imread(r"C:\Users\Administrator\Desktop\logo.png")
img_cvt = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
ret,img_thr = cv.threshold(img_cvt,,,cv.THRESH_BINARY_INV)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(,))
open = cv.morphologyEx(img_thr,cv.MORPH_OPEN,kernel,iterations=)
close = cv.morphologyEx(img_thr,cv.MORPH_CLOSE,kernel,iterations=)
gradient = cv.morphologyEx(img_thr,cv.MORPH_GRADIENT,kernel,iterations=)
tophat = cv.morphologyEx(img_thr,cv.MORPH_TOPHAT,kernel,iterations=)
blackhat = cv.morphologyEx(img_thr,cv.MORPH_BLACKHAT,kernel,iterations=)images=[img_thr,open,close,gradient,tophat,blackhat]
titles=["img_thr","open","close","gradient","tophat","blackhat"]
for i in range():
plt.subplot(,,i+),plt.imshow(images[i],"gray")
plt.title(titles[i])
plt.xticks([]), plt.yticks([])
plt.show()
cv2.morphologyEx()
4.应用实例
有如下一张中文图片，当我们进行字符切割时，常需要知道其中的汉字是否带下划线，方便进行后续处理。
我们首先想到的可能是使用霍夫直线检测算法，但是直接检测时，会有很多干扰。我们可以通过采用一个横向的矩阵核，来腐蚀字体，使图片中只剩下下划线，然后再进行霍夫直线检测，这样干扰小，准确度会高很多。具体实现代码和效果如下：
#coding:utf-import cv2 as cvimg = cv.imread(r"C:\Users\Administrator\Desktop\chinese.png")
img_cvt = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
ret,img_thr = cv.threshold(img_cvt,,,cv.THRESH_BINARY)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(,)) #由于是1*30的矩阵，字体会被横向空隙的白色腐蚀掉，而下划线横向都是黑色，不会腐蚀
dst = cv.dilate(img_thr,kernel,iterations=) #由于是白底黑字，所有进行膨胀操作来去除黑色字体
cv.imshow("img_thr",img_thr)
cv.imshow("dst",dst)
cv.waitKey()
cv.destroyAllWindows()
