形态学操作主要包括腐蚀、膨胀、开运算、闭运算等，在opencv-python中，有相关函数可以满足要求，如cv2.erode()，cv2.dilate()，cv2.morphologyEx()等。形态学操作是根据图像形状进行的简单操作，一般情况下对二值化图像进行的操作。需要输入两个参数，一个是原始图像，第二个被称为结构化元素或核，它是用来决定操作的性质的。两个基本的形态学操作是腐蚀和膨胀，它们的变体构成了开运算、闭运算、梯度等，以下图为例逐一介绍。
首先对这张图进行腐蚀，代码如下：
import cv2
import numpy as np
img = cv2.imread('j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
运行效果为：
可见腐蚀效果比较明显。查看函数说明，如下图所示：
其原理为：**找kernel尺寸中图片区域中灰度值最小值，并原图片的中心值替换。**我们对其原理进行分析，人为构造一个小维度数组，以此代表一张图像，代码如下所示：
img = np.uint8([[1,2,3,4,5],
[5,4,3,2,1],
[2,4,6,8,10],
[10,8,6,4,2],
[5,10,15,10,5]])
kernel = np.ones((3,3),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
print('img:', img)
print('erosion:', erosion)
运行结果为：
将原图片图示化，如下图所示：可见，除了边缘以外的中部像素灰度值，均为以本体为中心3✖️3区域内的最小灰度值。而目标图像边缘的像素值，亦为kernel框大小范围内的最小像素值，只是可选择像素由于边缘效果减少了。