python/opecv:开/闭运算、顶帽算法、黑帽算法

腐蚀
原理：其实就是选择滑动窗口中像素值最小的点（局部最小值）
函数原型：

dst=cv2.erode(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
膨胀：
原理：就是局部最大值
函数原型：

dst=cv2.dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])

开操作
公式表示：
先腐蚀后膨胀的操作称之为开操作。它具有消除细小物体，在纤细处分离物体和平滑较大物体边界的作用。
函数原型：

dst = cv2.morphologyEx(src,cv2.MORPH_OPEN,kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])

闭操作：
先膨胀后腐蚀的操作称之为闭操作。它具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。
采用上图的结构对原件进行闭操作。
函数原型：

dst = cv2.morphologyEx(src,cv2.MORPH_CLOSE,kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])

形态学梯度：

简单讲，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
简单讲，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：
简单讲，就是闭运算以后的图像减去原图。
函数原型：
dst = cv2.morphologyEx(src,cv2.MORPH_BLACKHAT,kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])

Reference:
https://blog.csdn.net/qq_30490125/article/details/80490776