摘要： 形态学转换是图像处理中的重要技术，它基于图像的形状特征进行操作，能够有效地对图像进行增强、去噪、分割等处理。本文详细介绍了 OpenCV 中形态学转换的多种方法，包括侵蚀、扩张、开运算、闭运算、形态学梯度、顶帽和黑帽，并通过 Python 代码实现这些方法，深入探讨了它们的原理、作用及应用场景，为图像处理的实际应用提供了全面的参考。

一、引言

在数字图像处理领域，形态学转换利用数学形态学的理论和方法，通过特定的结构元素对图像进行操作，从而改变图像的几何特征和拓扑结构。这些操作可以去除图像中的噪声、填补孔洞、分离或连接物体等，为后续的图像分析和计算机视觉任务提供更清晰、准确的图像数据。OpenCV 作为广泛应用的计算机视觉库，提供了丰富且高效的形态学转换函数，方便开发者进行图像处理工作。

二、侵蚀（Erosion）

（一）原理

侵蚀是一种基本的形态学操作，它通过在图像中滑动一个结构元素，并将结构元素覆盖区域内的像素值替换为该区域内的最小值（对于灰度图像）或交集（对于二值图像）。其目的是消除图像中的边界点，使物体的边界向内收缩。

例如，对于一个二值图像，若结构元素覆盖的区域内存在背景像素&#x