输入的原图
采用windows10自带的画图工具画了一张简单的三角形、四边形和圆形的图。
图像的腐蚀
卷积核沿着图像滑动，如果与卷积核对应的原图像的所有像素值都是1，那么中心元素就保持原来的像素值，否则就变为零。 根据卷积核的大小靠近前景的所有像素都会被腐蚀掉（变为0），所以前景物体会变小，整幅图像的白色区域会减少。这对于去除白噪声很有用，也可以用来断开两个连在一块的物体等。
import cv2
import numpy as np
img = cv2.imread('test.jpg',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 5)
cv2.imwrite('erosion.jpg',erosion)
cv2.imshow('erosion',erosion)
cv2.waitKey()
腐蚀主要就是调用cv2.erode(img,kernel,iterations)，这个函数的参数是
第一个参数img：img指需要腐蚀的图
第二个参数kernel：kernel指腐蚀操作的内核，默认是一个简单的3X3矩阵，我们也可以利用getStructuringElement（）函数指明它的形状
第三个参数iterations：iterations指的是腐蚀次数，省略是默认为1
腐蚀后的图像如下图所示：
图像的膨胀
与腐蚀相反，与卷积核对应的原图像的像素值中只要有一个是1，中心元素的像素值就是1。所以这个操作会增加图像中的白色区域（前景）。一般在去噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时，也会使前景对象变小。所以我们再对他进行膨胀。这时噪声已经被去除了，不会再回来了，但是前景还在并会增加。膨胀也可以用来连接两个分开的物体。
dilation = cv2.dilate(img,kernel,iterations = 1)
膨胀主要就是调用cv2.dilate(img,kernel,iterations)，这个函数的参数是
第一个参数img：img指需要膨胀的图
第二个参数kernel：kernel指膨胀操作的内核，默认是一个简单的3X3矩阵，我们也可以利用getStructuringElement（）函数指明它的形状
第三个参数iterations：iterations指的是膨胀次数，省略是默认为1
膨胀后的图像如下图所示（此处的内核是3*3）：
图像的开运算
先进性腐蚀再进行膨胀就叫做开运算。就像我们上面介绍的那样，它被用来去除噪声。这里我们用到的函数是cv2.morphologyEx()
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
开运算后的图像如下图所示：
图像的闭运算
先膨胀再腐蚀。它经常被用来填充前景物体中的小洞，或者前景物体上的小黑点。
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
闭运算后的图像如图所示：
支付宝 
微信