(一) getStructuringElement函数
它会返回指定形状和尺寸的结构元素。
Mat getStructuringElement(int shape, Size esize, Point anchor = Point(-1, -1));1、第一个参数表示内核的形状，有三种形状可以选择。
\矩形：MORPH_RECT;
\交叉形：MORPH_CROSS;
\椭圆形：MORPH_ELLIPSE;
2、第2个参数是内核的尺寸以及
3、第3个参数锚点的位置。
一般在调用erode以及dilate函数之前，先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。对于锚点的位置，有默认值Point（-1,-1），表示锚点位于中心点。element形状唯一依赖锚点位置，其他情况下，锚点只是影响了形态学运算结果的偏移。
(二) morphologyEx函数
void morphologyEx( InputArray src, OutputArray dst,
int op, InputArray kernel )Mat src：输入图像
Mat dst：输出图像
int op：形态学操作类型
CV_MOP_OPEN:开操作
CV_MOP_CLOSE:闭操作
CV_MOP_GRADIENT:形态学梯度
CV_MOP_TOPHAT:顶帽
CV_MOP_BLACKHAT:黑帽
Mat kernel：结构元素
int s = 3; //具体多大看情况
Mat kernel = getStructuringElement(MORPH_RECT, Size(s, s), Point(-1, -1));
//形态学操作（开、闭、形态学梯度、顶帽、黑帽）
morphologyEx(srcImage, dst, MORPH_OPEN, kernel);一、开操作 Open
1)算法说明：
对图像进行 先腐蚀后膨胀 的操作
dst = open(src, element) = dilate(erode(dst, element))
2)应用：
假设图片对象前景色为白色，背景色为黑色，通过开操作，可以去掉小范围的对象元素。同样，也可以用于有效的消除亮点(白点)噪音。
二、闭操作 Close
1)算法说明：
对图像进行 先膨胀后腐蚀 的操作
dst = close(src, element) = erode(dilate(dst, element))
2)应用：
假设图片对象前景色为白色，背景色为黑色，通过闭操作，可以去掉小范围的对象元素。同样，也可以用于有效的消除暗点(黑点)噪音。
三、形态学梯度 Morphological Gradient
1）算法说明：
膨胀减去腐蚀
dst = morph_grad(src, element) = dilate(src, element) - erode(src, element)
(这里指基本梯度，其他还包括 内部梯度、方向梯度))
2）应用：
针对二值图，可以去掉填充部分得到轮廓线
四、顶帽 Top Hat
1）算法说明：
顶帽 是源图像与开操作图像之间的差值图像)
2）效果示例：
五、黑帽 Black Hat
1）算法说明：
黑帽 是闭操作图像与源图像的差值图像)
2）效果示例：
(三) erode & dilate函数
腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。
膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。
int s =XXX;//具体多大看情况
Mat kernel = getStructuringElement(MORPH_RECT, Size(s, s), Point(-1, -1));
erode( src, dst, kernel);
//dilate( src, dst, kernel);(四)测试用例
int s =XXX;//具体多大看情况
Mat kernel = getStructuringElement(MORPH_RECT, Size(s, s), Point(-1, -1));
//形态学操作（开、闭、形态学梯度、顶帽、黑帽）
morphologyEx(src,
dst,
MORPH_BLACKHAT,
kernel,
int iterations=1,
int borderType=BORDER_CONSTANT,
const Scalar& borderValue=morphologyDefaultBorderValue());
//第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像位深应该为以下五种之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F。
//第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。
//第三个参数，int类型的op，表示形态学运算的类型，可以是如下之一的标识符：
//MORPH_OPEN – 开运算（Opening operation）：先腐蚀后膨胀，去掉小对象
//MORPH_CLOSE – 闭运算（Closing operation）：先膨胀后腐蚀，可以填充一些小的空洞（fill hole）
//MORPH_GRADIENT - 形态学梯度（Morphological gradient）：膨胀后的图减去腐蚀后的图(设置恰当的参数可以得到目标的大致边缘)
//MORPH_TOPHAT - “顶帽”（“Top hat”）：原图像与开操作之间的差值图像(可以用来观察开运算除去了哪些小目标)
//MORPH_BLACKHAT - “黑帽”（“Black hat“）：闭操作图像与源图像的差值图像（可以观察闭运算的效果）
//第四个参数：结构元素即形态学运算的内核
//第五个参数，Point类型的anchor，锚的位置，其有默认值（ - 1， - 1），表示锚位于中心。
//第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1。
//第七个参数，int类型的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。
//第八个参数，const Scalar&类型的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
