在这里将开始学习形态学，什么是形态学呢？形态学，即数学形态学(mathematical Morphology），是图像处理中应用最为广泛的技术之一，主要用于从图像中提取对表达和描绘区域形状有意义的图像分量，使后续的识别工作能够抓住目标对象最为本质（最具区分能力－most discriminative）的形状特征，如边界和连通区域等。同时像细化、像素化和修剪毛刺等技术也常应用于图像的预处理和后处理中，成为图像增强技术的有力补充。它最初是从数学中的集合论发展而来，并用于处理二值图的，虽然运算简单，但是效果比较好。常用的形态学处理方法包括：腐蚀、膨胀、开运算、闭运算、顶帽运算、底帽运算，其中腐蚀和膨胀是最基本的方法，其它都是基于这二者的组合。
首先来学习腐蚀的处理，可以来回忆一下前面的中值平滑，当时是用一个窗口滑动一个图片，取这个窗口所有元素的中值作为输出作为平滑结果。其实腐蚀的处理与这个是类似的，只不过它不是取中值，而是取最小值作为输出，并且它的窗口是不规则的，可以是任何形状。这个滑动窗口也与卷积核类似，同样需要一个锚点。
可以从上图看到，[1,1,1]是结构元素，中间元素圈起来的就是锚点，结构元素都是由0和1组成，0是表这个元素不起作用，1是表示这个元素起作用。在最上面结果元素的有效范围内，看到有三个图像元素（1，0，0），从这里取最小值0作为图像输出。下面图像是灰度图，从结构元素的有效范围内取得最小值14，作为腐蚀的输出。因此可用下面的公式来表示腐蚀处理：
这个公式表示遍历所有结构元素相交的图像元素，并且结构元素的值不为0，取得最小值输出。可以用数学语言表示这个操作如下：
E=I⊝S
E表示输出结果，I表示处理图像，S表示结构元素。
通过上面的学习，可以理解到腐蚀处理是很简单的一个操作，第一步要先定义好结构元素，可以采用numpy里函数来定义，如下例：
#python 3.7.4,opencv4.1
#蔡军生 https://blog.csdn.net/caimouse/article/details/51749579
#
import cv2
import numpy as np
#结构元素
kernel = np.ones((5,5),np.uint8)
print(kernel)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果输出如下：
[[1 1 1 1 1]
[1 1 1 1 1]
[1 1 1 1 1]
[1 1 1 1 1]
[1 1 1 1 1]]
有结构元素之后，就是进行滑动并取最小值，在OpenCV里已经定义好erode函数：
第1个参数，InputArray类型的src，输入图象，即源图象，填Mat类的对象便可。图象通道的数量可以是任意的，但图象深度应为CV_8U，CV_16U，CV_16S，CV_32F或 CV_64F其中之1。
第2个参数，OutputArray类型的dst，即目标图象，需要和源图片有1样的尺寸和类型。
第3个参数，InputArray类型的kernel，腐蚀操作的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。我们1般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。详细信息可见上文。
第4个参数，Point类型的anchor，锚的位置，其有默许值（⑴，⑴），表示锚位于单位（element）的中心，我们1般不用管它。
第5个参数，int类型的iterations，迭代使用erode（）函数的次数，默许值为1。
第6个参数，int类型的borderType，用于推断图象外部像素的某种边界模式。注意它有默许值BORDER_DEFAULT。
第7个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默许值morphologyDefaultBorderValue()，1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。
接着下来通过例子来演示腐蚀：
#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 = "szbin1.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 = np.ones((5,5),np.uint8)
print(kernel)
#腐蚀
out = cv2.erode(image,kernel,iterations = 1)
cv2.imshow("out",out)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果输出如下：
输入图片
输出图片
从结果里可以看到经过腐蚀处理的图片，深圳这两个字的笔画变小了，也就是白色减少，黑色增加了。
https://blog.csdn.net/caimouse/article/details/51749579
转载：https://blog.csdn.net/caimouse/article/details/101784743