腐蚀操作和膨胀操作是形态学运算的基础，将腐蚀和膨胀操作进行组合，就可以实现开运算、闭运算（关运算）、形态学梯度（MorphologicalGradient）运算、礼帽运算（顶帽运算）、黑帽运算、击中击不中等多种不同形式的运算。
OpenCV 提供了函数 cv2.morphologyEx()来实现上述形态学运算，其语法结构如下：
dst = cv2.morphologyEx( src, op, kernel[, anchor[, iterations[,
borderType[,borderValue]]]]] )
式中：
- dst 代表经过形态学处理后所输出的目标图像，该图像和原始图像具有同样的类型和大小。
- src 代表需要进行形态学操作的原始图像。图像的通道数可以是任意的，但是要求图像的深度必须是 CV_8U、CV_16U、CV_16S、CV_32F、CV_64F 中的一种。
- op 代表操作类型，如表 8-2 所示。各种形态学运算的操作规则均是将腐蚀和膨胀操作进行组合而得到的。
- 参数 kernel、anchor、iterations、borderType、borderValue 与函数 cv2.erode()内相应参数的含义一致。
开运算
开运算进行的操作是先将图像腐蚀，再对腐蚀的结果进行膨胀。开运算可以用于去噪、计数等。
例如，在图 8-14 中，通过先腐蚀后膨胀的开运算操作实现了去噪，其中：
- 左图是原始图像。
- 中间的图是对原始图像进行腐蚀的结果。
- 右图是对腐蚀后的图像进行膨胀的结果，即对原始图像进行开运算的处理结果。
从图 8-14 中可以看到，原始图像在经过腐蚀、膨胀后实现了去噪的目的。除此以外，开运算还可以用于计数。例如，在对图 8-15 中的区域进行计数前，可以利用开运算将连接在一起的不同区域划分开，其中：
- 左图是原始图像。
- 中间的图是对原始图像进行腐蚀的结果。
- 右图是对腐蚀后的图像进行膨胀的结果，即对原始图像进行开运算的处理结果。
通过将函数 cv2.morphologyEx()中操作类型参数 op 设置为“cv2.MORPH_OPEN”，可以实现开运算。其语法结构如下：
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
代码示例：使用函数 cv2.morphologyEx()实现开运算。
代码如下：
import cv2
import numpy as np
img1=cv2.imread("opening.bmp")
img2=cv2.imread("opening2.bmp")
k=np.ones((10,10),np.uint8)
r1=cv2.morphologyEx(img1,cv2.MORPH_OPEN,k)
r2=cv2.morphologyEx(img2,cv2.MORPH_OPEN,k)
cv2.imshow("img1",img1)
cv2.imshow("result1",r1)
cv2.imshow("img2",img2)
cv2.imshow("result2",r2)
cv2.waitKey()
cv2.destroyAllWindows()
在本例中，分别针对两幅不同的图像做了开运算。运行程序，结果上图 所示，其中：
- 图(a)是原始图像 img1。
- 图(b)是原始图像 img1 经过开运算得到的图像 r1。
- 图©是原始图像 img2。
- 图(d)是原始图像 img2 经过开运算得到的图像 r2。
