开运算
开运算=先腐蚀运算，再膨胀运算（看上去把细微连在一起的两块目标分开了）
开运算的效果图如下图所示：
开运算总结：
（１）开运算能够除去孤立的小点，毛刺和小桥，而总的位置和形状不便。
（２）开运算是一个基于几何运算的滤波器。
（３）结构元素大小的不同将导致滤波效果的不同。
（４）不同的结构元素的选择导致了不同的分割，即提取出不同的特征。
样例
原始图像
代码实践
代码语言：javascript复制# coding:utf-8
# 开运算 open_operation
import cv2
import numpy as np
# 开运算执行次数
iter_times = 5
# 读取图像
img = cv2.imread("1.png", flags=cv2.IMREAD_GRAYSCALE)
# 定义操作框，在图像上以这个框大小的像素进行遍历开运算
operation_kernel = np.ones((3, 3), np.uint8)
# 开运算
result_image = cv2.morphologyEx(img, cv2.MORPH_OPEN, operation_kernel, iterations=iter_times)
# 显示原始图像
cv2.imshow("img", img)
# 显示处理完后的图像
cv2.imshow("result_image", result_image)
cv2.waitKey(0)
代码解读：在上面的代码中，我们可以看到做了实际工作的是cv2.morphologyEx()这个函数，该函数一共四个参数，依次为需要处理的图像，处理图像的方式，处理的核大小，处理的次数，其中我们主要调试的是核的大小和处理的次数，这两个参数需要多次调试才能取得较好的效果，这里分别是3x3和5 当时核的大小也可以取7x7之类的，只要是整数就好了，不然会报错哦。
结果
闭运算
闭运算 = 先膨胀运算，再腐蚀运算（看上去将两个细微连接的图块封闭在一起）
闭运算的效果图如下图所示：
闭运算总结：
（1）闭运算能够填平小湖（即小孔），弥合小裂缝，而总的位置和形状不变。
（2）闭运算是通过填充图像的凹角来滤波图像的。
（3）结构元素大小的不同将导致滤波效果的不同。
（4）不同结构元素的选择导致了不同的分割。
样例
原始图像
代码实践
代码语言：javascript复制# coding:utf-8
import cv2
import numpy as np
# 迭代次数
iter_time = 1
# 读入灰度图
image = cv2.imread("2.png", flags=cv2.IMREAD_GRAYSCALE)
# 定义操作框，在图像上以这个框大小的像素进行遍历闭运算
operation_kernel = np.ones((3, 3), np.uint8)
# 闭运算
result_image = cv2.morphologyEx(image, cv2.MORPH_CLOSE, operation_kernel, iterations=iter_time)
# 显示原始图像
cv2.imshow("img", image)
# 显示处理完后的图像
cv2.imshow("result_image", result_image)
cv2.waitKey(0)
代码解读：与之前的代码一样，我们主要关注cv2.morphologyEx()函数，不同的是我们的第二个参数换成了cv2.MORPH_CLOSE,也就是闭运算，另外几个参数都是类似的，注意与上一个区分哦。
结果
（可以看到原始图像中笔画中间的黑点消失了一部分，笔画衔接de部分也被连接在了一起）
