開運算

處理過程：先腐蝕後膨脹。
功能：用於消除小物體，在纖細點處分離物體，並且在平滑較大物體的邊界的同時不明顯改變其面積，同時抑制比結構元小的亮細節。
使用例項：

#include<opencv2/opencv.hpp>
void main()
{

    cv::Mat image = cv::imread("腐蝕膨脹練習1.jpg");
    cv::namedWindow("SourceImage");
    cv::namedWindow("OutputImage");

    cv::imshow("SourceImage", image);
    //開運算(MORPH_OPEN)
 

    cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5));
    cv::morphologyEx(image, image, cv::MORPH_CLOSE, element);

    cv::imshow("OutputImage", image);
    cv::waitKey(0);
}

效果圖如下：

閉運算

處理過程：先膨脹後腐蝕
功能：用來填充物體內細小空洞、連線鄰近物體、平滑其邊界的同時並不明顯改變其面積，同時抑制比結構元小的暗細節。
使用例項：

#include
 
<opencv2/opencv.hpp>
void main()
{

    cv::Mat image = cv::imread("result.BMP");
    cv::namedWindow("SourceImage");
    cv::namedWindow("OutputImage");

    cv::imshow("SourceImage", image);
    //閉運算（MORPH_CLOSE）
    cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5));
    cv::morphologyEx
 
(image, image, cv::MORPH_CLOSE, element);

    cv::imshow("OutputImage", image);
    cv::waitKey(0);
}

效果：

形態學梯度

處理過程：膨脹圖和腐蝕圖相減
功能：對二值化影象進行這一操作可以將邊緣突出來，可以使用形態學梯度來保留物體的邊緣輪廓
使用例項：

#include<opencv2/opencv.hpp>
void main()
{

    cv::Mat image = cv::imread("result.BMP");
    cv::namedWindow("SourceImage");
    cv::namedWindow("OutputImage");

    cv::imshow("SourceImage", image);
    //形態學梯度（MORPH_GRADIENT）
    cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(2, 2));
    cv::morphologyEx(image, image, cv::MORPH_GRADIENT, element);

    cv::imshow("OutputImage", image);
    cv::waitKey(0);
}

效果：

頂帽變換和低帽變換

頂帽（白頂帽變換）：

處理過程：原影象減去開運算的過程。
功能：頂帽變換用於校正不均勻關照的影響（補充：均勻光照在從背景中提取目標的處理中扮演核心的角色）。
使用例項：

#include<opencv2/opencv.hpp>
void main()
{

    cv::Mat image = cv::imread("Fig0926(a)(rice).tif");
    cv::namedWindow("SourceImage");
    cv::namedWindow("OutputImage");

    cv::imshow("SourceImage", image);
    //形態學梯度（MORPH_GRADIENT）
    cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(15, 15));
    cv::morphologyEx(image, image, cv::MORPH_TOPHAT, element);
    cv::imshow("OutputImage", image);

    cv::waitKey(0);
}

效果展示：

低帽（黑底帽變換）：

處理過程：閉運算減去原影象的過程。
功能：突出比原圖輪廓周圍更暗的區域。
使用例項：

#include<opencv2/opencv.hpp>
void main()
{

    cv::Mat image = cv::imread("Fig0926(a)(rice).tif");
    cv::namedWindow("SourceImage");
    cv::namedWindow("OutputImage");

    cv::imshow("SourceImage", image);
    //形態學梯度（MORPH_GRADIENT）
    cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(10, 10));
    cv::morphologyEx(image, image, cv::MORPH_BLACKHAT, element);
    cv::imshow("OutputImage", image);

    cv::waitKey(0);
}

效果圖：

核心函式morphologyEx()介紹：

原始碼解析：

檢視一下morphologyEx原始碼：

void cv::gpu::morphologyEx(const GpuMat& src, GpuMat& dst, int op, const Mat& kernel, GpuMat& buf1, GpuMat& buf2, Point anchor, int iterations, Stream& stream)
{
    switch( op )
    {
    case MORPH_ERODE:   erode(src, dst, kernel, buf1, anchor, iterations, stream); break;
    case MORPH_DILATE: dilate(src, dst, kernel, buf1, anchor, iterations, stream); break;
    case MORPH_OPEN:
        erode(src, buf2, kernel, buf1, anchor, iterations, stream);
        dilate(buf2, dst, kernel, buf1, anchor, iterations, stream);
        break;
    case CV_MOP_CLOSE:
        dilate(src, buf2, kernel, buf1, anchor, iterations, stream);
        erode(buf2, dst, kernel, buf1, anchor, iterations, stream);
        break;
    case CV_MOP_GRADIENT:
        erode(src, buf2, kernel, buf1, anchor, iterations, stream);
        dilate(src, dst, kernel, buf1, anchor, iterations, stream);
        subtract(dst, buf2, dst, GpuMat(), -1, stream);
        break;
    case CV_MOP_TOPHAT:
        erode(src, dst, kernel, buf1, anchor, iterations, stream);
        dilate(dst, buf2, kernel, buf1, anchor, iterations, stream);
        subtract(src, buf2, dst, GpuMat(), -1, stream);
        break;
    case CV_MOP_BLACKHAT:
        dilate(src, dst, kernel, buf1, anchor, iterations, stream);
        erode(dst, buf2, kernel, buf1, anchor, iterations, stream);
        subtract(buf2, src, dst, GpuMat(), -1, stream);
        break;
    default:
        CV_Error(CV_StsBadArg, "unknown morphological operation");
    }
}

可以發現，這個函式使用了一個大的switch實現了多種形態學濾波的呼叫。

函式API介紹：

C++: void morphologyEx(  
InputArray src,  
OutputArray dst,  
int op,  
InputArraykernel,  
Pointanchor=Point(-1,-1),  
intiterations=1,  
intborderType=BORDER_CONSTANT,  
constScalar& borderValue=morphologyDefaultBorderValue() );  

• 第一個引數，InputArray型別的src，輸入影象，即源影象，填Mat類的物件即可。影象位深應該為以下五種之一：CV_8U,
  CV_16U,CV_16S, CV_32F 或CV_64F。
• 第二個引數，OutputArray型別的dst，即目標影象，函式的輸出引數，需要和源圖片有一樣的尺寸和型別。
• 第三個引數，int型別的op，表示形態學運算的型別，可以是如下之一的識別符號：

MORPH_OPEN – 開運算（Opening operation）
MORPH_CLOSE – 閉運算（Closing operation）
MORPH_GRADIENT -形態學梯度（Morphological gradient）
MORPH_TOPHAT - “頂帽”（“Top hat”）
MORPH_BLACKHAT - “黑帽”（“Black hat“）
另有CV版本的識別符號也可選擇，如CV_MOP_CLOSE，CV_MOP_GRADIENT，CV_MOP_TOPHAT，CV_MOP_BLACKHAT，這應該是OpenCV1.0系列版本遺留下來的識別符號，和上面的“MORPH_OPEN”一樣的效果。

• 第四個引數，InputArray型別的kernel，形態學運算的核心。若為NULL時，表示的是使用參考點位於中心3x3的核。我們一般使用函式getStructuringElement配合這個引數的使用。getStructuringElement函式會返回指定形狀和尺寸的結構元素（核心矩陣）。
• 第五個引數，Point型別的anchor，錨的位置，其有預設值（-1，-1），表示錨位於中心。
• 第六個引數，int型別的iterations，迭代使用函式的次數，預設值為1。
• 第七個引數，int型別的borderType，用於推斷影象外部畫素的某種邊界模式。注意它有預設值BORDER_ CONSTANT。
• 第八個引數，const
  Scalar&型別的borderValue，當邊界為常數時的邊界值，有預設值morphologyDefaultBorderValue()，一般我們不用去管他。需要用到它時，可以看官方文件中的createMorphologyFilter()函式得到更詳細的解釋。