前面学习腐蚀和膨胀算法，并且深刻地认识到它们的特性以及作用。如果由这两种组合出来的运算又有什么样的不同呢？比如一个图像先腐蚀后膨胀的操作，会有什么结果呢？因为腐蚀是把图片白色变小，膨胀又是把图片白色变大，是否会保持原图不变呢？带着这些问题来研究一下先腐蚀后膨胀的算法，我们把这样的算法叫做开运算，在数学上用下面公式表示：
I∘S=(I⊝S)⨁S
开运算的作用有：
（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。
在了解开运算的方法之后，可以使用前面学习过的函数erode和dilate来完成，不过在OpenCV里提供了把这两个操作合并的函数morphologyEx：
其中参数解释如下：
src
输入图像，图像位深应该为以下五种之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F。
dst
输出图像，需和源图片保持一样的尺寸和类型。
op
表示形态学运算的类型：
MORPH_OPEN – 开运算（Opening operation）
MORPH_CLOSE – 闭运算（Closing operation）
MORPH_GRADIENT - 形态学梯度（Morphological gradient）
MORPH_TOPHAT - 顶帽（Top hat）
MORPH_BLACKHAT - 黑帽（Black hat）
kernel
形态学运算的内核。为NULL，使用参考点位于中心3x3的核。一般使用函数getStructuringElement配合这个参数的使用，
kernel参数填保存getStructuringElement返回值的Mat类型变量。
anchor
锚的位置，其有默认值（-1，-1），表示锚位于中心。
iterations
迭代使用函数的次数，默认值为1。
borderType
用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_CONSTANT。
borderValue
当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，
一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。
下面用例子来演法消除白噪声的情况：
#python 3.7.4,opencv4.1
#蔡军生 https://blog.csdn.net/caimouse/article/details/51749579
#
import cv2
import numpy as np
#图片的路径
imgname = "szbin2.png"
#读取图片
image = cv2.imread(imgname, cv2.IMREAD_GRAYSCALE)
#图片的高度和宽度
h,w = image.shape[:2]
print('imagesize={}-{}'.format(w,h))
#显示原图
cv2.imshow("Image",image)
#结构元素
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
print(kernel)
#开运算
out = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)
cv2.imshow("out",out)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果输出如下：
输入图片
输出图片
从结果可以看到原图上的白色小线条已经给滤掉了，这样就可以去掉白噪声，恢复图像的原本面貌。
https://blog.csdn.net/caimouse/article/details/51749579
转载：https://blog.csdn.net/caimouse/article/details/101828884