`cv::morphologyEx()`的函数原型如下：
```cpp
void morphologyEx(InputArray src, OutputArray dst, int op, InputArray kernel, Point anchor=Point(-1,-1), int iterations=1, int borderType=BORDER_CONSTANT, const Scalar& borderValue=Scalar());
```
参数说明
-
**src**: `InputArray`类型，输入图像，可以是8位或32位的单通道图像。
-
**dst**: `OutputArray`类型，输出图像，与输入图像具有相同的类型和尺寸。
-
**op**: `int`类型，形态学操作类型，常见的有：
-
`MORPH_ERODE`: 腐蚀操作。
-
`MORPH_DILATE`: 膨胀操作。
-
`MORPH_OPEN`: 开运算，即先腐蚀后膨胀。
-
`MORPH_CLOSE`: 闭运算，即先膨胀后腐蚀。
-
`MORPH_GRADIENT`: 形态学梯度。
-
`MORPH_TOPHAT`: 顶帽变换。
-
`MORPH_BLACKHAT`: 黑帽变换。
-
**kernel**: `InputArray`类型，结构元素，用于确定操作的形状和大小。
-
**anchor**: `Point`类型，结构元素的锚点位置，默认是结构元素的中心。
-
**iterations**: `int`类型，操作迭代的次数，默认为1。
-
**borderType**: `int`类型，边界处理方式，默认为`BORDER_CONSTANT`。
-
**borderValue**: `Scalar`类型，当边界类型为`BORDER_CONSTANT`时，用于填充图像边界的值。
工作原理
`cv::morphologyEx()`函数通过单个函数调用实现了多种形态学变换。这些变换可以应用于图像预处理，如去噪、边缘检测、轮廓提取等。
示例代码
下面是一个使用`cv::morphologyEx()`进行开运算的示例：
```cpp
#include <opencv2/opencv.hpp>
#include <iostream>
int main() {
// 加载图像
cv::Mat img = cv::imread("path_to_your_image.jpg", cv::IMREAD_GRAYSCALE);
if (img.empty()) {
std::cout << "Error: Image cannot be loaded." << std::endl;
return -1;
}
// 定义结构元素
cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));
// 执行开运算
cv::Mat img_opened;
cv::morphologyEx(img, img_opened, cv::MORPH_OPEN, kernel);
// 显示原图像和处理后的图像
cv::imshow("Original Image", img);
cv::imshow("Opened Image", img_opened);
cv::waitKey(0);
return 0;
}
```
在这个示例中，我们加载了一张灰度图像，并使用一个3x3的矩形结构元素进行了开运算，目的是去除小的噪声点。
注意事项
-
结构元素的大小和形状会影响最终的处理结果，应根据具体的应用场景进行选择。
-
迭代次数`iterations`应根据需要调整，过多的迭代次数可能导致图像细节的损失。
-
边界处理方式和填充值也会影响边缘像素的处理，需要根据图像边界条件进行适当选择。
迭代的次数是将应用侵蚀或扩张操作的次数。具有两个迭代的开运算操作(MORPH_OPEN)等价于依次应用:腐蚀->腐蚀->膨胀->膨胀(而不是腐蚀->膨胀->腐蚀->膨胀)。
形态学梯度：膨胀-腐蚀
