1、研究代码（慢，不稳定，独立并与其他库不兼容） 2、耗费很高的商业化工具（比如Halcon, MATLAB+Simulink） 3、依赖硬件的一些特别的解决方案（比如视频监控，制造控制系统，医疗设备）这是如今的现状，而标准的API将简化计算机视觉程序和解决方案的开发，OpenCV致力于成为这样的标准API。

OpenCV致力于真实世界的实时应用，通过优化的C代码的编写对其执行速度带来了可观的提升，并且可以通过购买Intel的IPP高性能多媒体函数库（Integrated Performance Primitives）得到更快的处理速度。

故而我们选择学习OpenCV，我们来一步步的学习OpenCV。

1、erode腐蚀

腐蚀API

腐蚀	erode	erosion = cv2.erode(src=girl_pic, kernel=kernel)	对滑窗中的像素点按位乘，再从中取最小值点作为输出。可以去浅色噪点	浅色成分被腐蚀

示例代码：

import cv2
import numpy as np

girl_pic = cv2.imread('800_600.jpg')

kernel = np.ones((5, 5), np.uint8)
# erode 腐蚀
erosion = cv2.erode(src=girl_pic, kernel=kernel)
cv2.imshow('erosion', erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

实例效果：

2、dilate膨胀

dilate膨胀API

膨胀	dilate	dilation = cv2.dilate(src=girl_pic, kernel=kernel)	对滑窗中的像素点按位乘，再从中取最大值点作为输出。可以增加浅色成分	浅色成分得膨胀

实例代码：

import cv2
import numpy as np

girl_pic = cv2.imread('800_600.jpg')

kernel = np.ones((5, 5), np.uint8)
# dilate　膨胀
dilation = cv2.dilate(src=girl_pic, kernel=kernel)
cv2.imshow('dilation', dilation)
cv2.waitKey(0)
cv2.destroyAllWindows()

膨胀效果

3、morphology-open开运算

morphology-open_API

开运算	morphology-open	opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)	先腐蚀，后膨胀，去白噪点	先合再开，对浅色成分不利

实例代码

import cv2
import numpy as np

girl_pic = cv2.imread('800_600.jpg')

kernel = np.ones((5, 5), np.uint8)
# open　开运算
opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)
cv2.imshow('opening', opening)
cv2.waitKey(0)
cv2.destroyAllWindows()

实例效果：

4、morphology-close闭运算

闭运算	morphology-close	closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)	先膨胀，后腐蚀，去黑噪点	先开再合，浅色成分得势

示例代码：

import cv2
import numpy as np

girl_pic = cv2.imread('800_600.jpg')

kernel = np.ones((5, 5), np.uint8)
# close　闭运算
closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)
cv2.imshow('closing', closing)
cv2.waitKey(0)
cv2.destroyAllWindows()

实际效果：

5、morphology-grandient形态学梯度

形态学梯度	morphology-grandient	gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel)	一幅图像腐蚀与膨胀的区别，可以得到轮廓	数值上解释为：膨胀减去腐蚀

示例代码：

import cv2
import numpy as np

girl_pic = cv2.imread('800_600.jpg')

kernel = np.ones((5, 5), np.uint8)
# gradient　形态学梯度
gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('gradient', gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()

示例效果：

6、tophat礼帽

礼帽	tophat	tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)	原图像减去开运算的差	数值上解释为：原图像减去开运算

示例代码：

import cv2
import numpy as np

girl_pic = cv2.imread('800_600.jpg')

kernel = np.ones((5, 5), np.uint8)
# tophat　礼帽
tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

实际效果：

7、blackhat黑帽

黑帽	blackhat	blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)	闭运算减去原图像的差	数值上解释为：闭运算减去原图像

示例代码：

import cv2
import numpy as np

girl_pic = cv2.imread('800_600.jpg')

kernel = np.ones((5, 5), np.uint8)
# blackhat　黑帽
blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat', blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()

实际效果：

开运算+礼帽=原图

示例代码：

import cv2
import numpy as np

girl_pic = cv2.imread('800_600.jpg')

kernel = np.ones((5, 5), np.uint8)
# 开运算
opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)
# 礼帽
tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)
# 拼接开运算+礼貌
open_and_tophat = cv2.add(opening, tophat)
cv2.imshow('open_and_tophat', open_and_tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

实际效果：

闭运算 - 黑帽 = 原图

示例代码：

import cv2
import numpy as np

girl_pic = cv2.imread('800_600.jpg')

kernel = np.ones((5, 5), np.uint8)
# 闭运算
closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)
# 黑帽
blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)
# close-blackhat　闭运算 - 黑帽 = 原图
close_subtract_blackhat = closing - blackhat
cv2.imshow('close_sub_blackhat', close_subtract_blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()

实际效果：