代码：

# -*- coding=GBK -*-
import cv2 as cv


#开操作：
    # 图像形态学的重要操纵之一，基于膨胀与腐蚀操作组合形成的；
    # 主要是应用在二值图像分析中，灰度图像亦可；
    # 开操作 = 腐蚀+膨胀 ，输入图像 + 结构元素
    # 作用：用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积.提取水平或竖直的线

# 闭操作：
    # 图像形态学的重要操纵之一，基于膨胀与腐蚀操作组合形成的；
    # 主要是应用在二值图像分析中，灰度图像亦可；
    # 开操作 = 膨胀+腐蚀 ，输入图像 + 结构元素
    # 作用：用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积.

# getStructuringElement() 与 morphologyEx() 函数用法：https://blog.csdn.net/weixin_42512684/article/details/111087122
def open_image(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    cv.imshow("Binarization", binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5)) # 返回指定形状和尺寸的结构元素。
    # retval = cv.getStructuringElement(shape, ksize[, anchor])
    # shape: 元素形状，OpenCV 中提供了三种，MORPH_RECT(矩阵)，MORPH_CORSS(交叉形状)，MORPH_ELLIPSE(椭圆) ；
    # ksize，结构元素的大小；
    # anchor，元素内的描点位置，默认为 (-1,-1)表示形状中心，在这里值得注意的是，只有MORPH-CROSS形状依赖描点位置，其它情况描点仅调节其他形态运算结果偏移了多少
    binary = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel)
    # dst =cv.morphologyEx(src, op, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]] )
    cv.imshow("Operation_Open", binary)

def close_image(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
    binary = cv.morphologyEx(binary, cv.MORPH_CLOSE, kernel)
    cv.imshow("Operation_Close", binary)


src = cv.imread("fengling.jpg")
cv.imshow("before", src)
open_image(src)
close_image(src)
cv.waitKey(0)
cv.destroyAllWindows()

结果：

备注：

getStructuringElement()，morphologyEx()参考资料：https://blog.csdn.net/weixin_42512684/article/details/111087122

膨胀，腐蚀参考资料：https://blog.csdn.net/weixin_44623637/article/details/98777859