形态学中常用的方法有膨胀，腐蚀，开运算，闭运算，形态学梯度，顶帽，黑帽和击中击不中，大多以膨胀和腐蚀为基础操作，需要注意的是膨胀和腐蚀都是对图像中的高亮部分(二值图白色部分)处理起作用，如果是白色背景黑色目标要做取反操作，否则得到的结果是相反的。进入正题，技巧与应用场景介绍：
（1）膨胀的应用。膨胀的结果类似“领域扩张”，白色区域将会扩大，常用于断开区域的连接。如下图，假如想连接3条线
我们可以这么做：
代码语言：javascript复制Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
dilate(gray, gray, element);
虽然3段线段连成了1段，但是线的宽度明细也增加了，如果我不想线的宽度明显增加怎么办？答案是修改结构元素的Size值，比如为Size(1,15)，这样增大竖直方向的膨胀力度(反之增大水平方向膨胀力度)，效果如下：
代码语言：javascript复制Mat element = getStructuringElement(MORPH_RECT, Size(1, 15));
dilate(gray, gray, element);
（2）腐蚀的应用。腐蚀的结果类似“领域蚕食”，白色区域将会缩小，常用于连接区域的切断。下面的图像，假如只想保留水平线，该怎么操作？
同样在结构元素Size上做文章，设置Size()值为Size(60，1)，不与它相似的区域结构将被腐蚀，效果如下：
代码语言：javascript复制Mat element = getStructuringElement(MORPH_RECT, Size(60, 1));
erode(gray, gray, element);
（3）开运算应用。比如下面的图像，如果想去除字母C区域周围的毛边，就可以用开运算。
代码与效果：
代码语言：javascript复制Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));
morphologyEx(gray, gray, MORPH_OPEN, element); //开运算
（4）闭运算应用。比如下面的图像，如果想去除字母C区域内部的黑色孔洞，就可以用闭运算。
代码与效果：
代码语言：javascript复制Mat element = getStructuringElement(MORPH_RECT, Size(9, 9));
morphologyEx(gray, gray, MORPH_CLOSE, element); //闭运算
（5）形态学梯度应用。比如下面的图像，提取边缘或轮廓框架，就可以用形态学梯度。
代码与效果：
代码语言：javascript复制Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));
morphologyEx(gray, gray, MORPH_GRADIENT, element); //形态学梯度
（6）顶帽应用。比如下面的图像，想提取C区域的边缘毛刺，就可以用顶帽操作。
代码与效果：
代码语言：javascript复制Mat element = getStructuringElement(MORPH_RECT, Size(7, 7));
morphologyEx(gray, gray, MORPH_TOPHAT, element); //顶帽
（7）黑帽应用。比如下面的图像，想提取C区域的内部黑洞区域，就可以用黑帽操作。
代码与效果：
代码语言：javascript复制Mat element = getStructuringElement(MORPH_RECT, Size(9, 9));
morphologyEx(gray, gray, MORPH_BLACKHAT, element); //黑帽
（8）自定义结构元素应用。特定的结构元素会特定的结构区域特别起作用。比如圆形结构元素对圆形区域效果特别好，但是OpenCV默认值提供了3中结构，不包含圆形，那么我们可以自己创建圆形结构元素，通过画圆或遍历像素的方法。如下图，我们分别用矩形结构元素和圆形结构元素腐蚀，查看对比效果：
矩形结构元素与效果：
代码语言：javascript复制Mat element = getStructuringElement(MORPH_RECT, Size(35, 35));
erode(gray, gray, element);
自定义圆形结构元素与效果(更好的保留了圆形结构)：
代码语言：javascript复制Mat element = Mat::zeros(Size(35, 35), CV_8UC1);
circle(element, Point(17, 17), 18, Scalar::all(1), -1);
erode(gray, gray, element);
完整源码和问答部分将发布到知识星球中，更多视觉图像处理内容，请关注公众号：OpenCV与AI深度学习
