一、开运算

开运算(opening) 的实质是对图像先进行腐蚀(erode) 然后进行膨胀(dilate)，相当于将两个图像处理技术封装在了一起，接着往下看吧。

1.1 原始图像 

(原始图像是带有噪点的数字图像，怎么去除这些噪点呢，往下看哦)

1.2 代码实践

#coding:utf-8
#开运算 open_operation
import cv2
import numpy as np
# 开运算执行次数iter_times = 5
# 读取图像img = cv2.imread("test_02.jpg", flags=cv2.IMREAD_GRAYSCALE)
# 定义操作框，在图像上以这个框大小的像素进行遍历开运算
operation_kernel = np.ones((3,3), np.uint8)
# 开运算
result_image = cv2.morphologyEx(img, cv2.MORPH_OPEN, operation_kernel,iterations=iter_times)
# 显示原始图像
cv2.imshow("img", img)
# 显示处理完后的图像
cv2.imshow("result_image", result_image)
cv2.waitKey(0)

代码解读：在上面的代码中，我们可以看到做了实际工作的是cv2.morphologyEx（）这个函数，该函数一共四个参数，依次为需要处理的图像，处理图像的方式，处理的核大小，处理的次数，其中我们主要调试的是核的大小和处理的次数，这两个参数需要多次调试才能取得较好的效果，小编这里分别是3x3和5  当时核的大小也可以取7x7之类的，只要是整数就好了，不然会报错哦。

1.3 效果演示

（可以看到原始图像中的噪点几乎去除了，但是效果不是那么完美，需要我们做进一步调整。）

二、闭运算

闭运算与开运算是相反的操作, 都是由腐蚀与膨胀两种技术构成, 不同的是处理的顺序，闭运算先对图像进行膨胀, 然后进行腐蚀操作，闭运算主要用来填充图像中存在空洞的部分，也可以用来衔接相邻的部分。

2.1 原始图像

（注意文字的衔接和中间的白色部分）

2.2 代码实践

#coding:utf-8
import cv2
import numpy as np
# 迭代次数iter_time = 1
# 读入灰度图
image = cv2.imread("binary2.jpg", flags=cv2.IMREAD_GRAYSCALE)
# 定义操作框，在图像上以这个框大小的像素进行遍历闭运算
operation_kernel = np.ones((3,3), np.uint8)
# 闭运算result_image = cv2.morphologyEx(image, cv2.MORPH_CLOSE, operation_kernel,iterations=iter_time)
# 显示原始图像
cv2.imshow("img", image)
# 显示处理完后的图像
cv2.imshow("result_image", result_image)
cv2.waitKey(0)

代码解读：与之前的代码一样，我们主要关注cv2.morphologyEx（）函数，不同的是我们的第二个参数换成了cv2.MORPH_CLOSE,也就是闭运算，另外几个参数都是类似的，注意与上一个区分哦。

2.3 效果演示

（可以看到原始图像中笔画中间的黑点消失了一部分，笔画衔接不得部分也被连接在了一起）