通常更加高级的形态学变换，如开闭运算、形态学梯度、“顶帽”、“黑帽”等等，都是可以由常用的腐蚀膨胀技术结合来达到想要的效果。
1.开运算：先腐蚀后膨胀，用于用来消除小物体、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，就是使图片过度更为顺畅，填补小的空隙。
2.闭运算：先膨胀后腐蚀，能够排除小型黑洞(黑色区域)，就是不让图片有细小分支向外伸出。
3.形态学梯度（Morphological Gradient）：
膨胀图与腐蚀图之差，数学表达式如下：
对二值图像进行这一操作可以将团块（blob）的边缘突出出来。我们可以用形态学梯度来保留物体的边缘轮廓
4.顶帽（Top Hat）:
顶帽运算（Top Hat）又常常被译为”礼帽“运算。为原图像与上文刚刚介绍的“开运算“的结果图之差，数学表达式如下：
顶帽运算往往用来分离比邻近点亮一些的斑块。当一幅图像具有大幅的背景的时候，而微小物品比较有规律的情况下，可以使用顶帽运算进行背景提取。
5.黑帽（Black Hat）：
黑帽（Black Hat）运算为”闭运算“的结果图与原图像之差。数学表达式为：
黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域，且这一操作和选择的核的大小相关。
所以，黑帽运算用来分离比邻近点暗一些的斑块。
6.API函数实现：
void morphologyEx( InputArray src, OutputArray dst, int op, InputArraykernel, Pointanchor=Point(-1,-1), intiterations=1, intborderType=BORDER_CONSTANT, constScalar& borderValue=morphologyDefaultBorderValue() );
- 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像位深应该为以下五种之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F。
- 第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。
- 第三个参数，int类型的op，表示形态学运算的类型，可以是如下之一的标识符：
- MORPH_OPEN – 开运算（Opening operation）
- MORPH_CLOSE – 闭运算（Closing operation）
- MORPH_GRADIENT -形态学梯度（Morphological gradient）
- MORPH_TOPHAT - “顶帽”（“Top hat”）
- MORPH_BLACKHAT - “黑帽”（“Black hat“）
另有CV版本的标识符也可选择，如CV_MOP_CLOSE，CV_MOP_GRADIENT，CV_MOP_TOPHAT，CV_MOP_BLACKHAT，这应该是OpenCV1.0系列版本遗留下来的标识符，和上面的“MORPH_OPEN”一样的效果。
- 第四个参数，InputArray类型的kernel，形态学运算的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。关于getStructuringElement我们上篇文章中讲过了，这里为了大家参阅方便，再写一遍：
其中，getStructuringElement函数的第一个参数表示内核的形状，我们可以选择如下三种形状之一:
-
- 矩形: MORPH_RECT
- 交叉形: MORPH_CROSS
- 椭圆形: MORPH_ELLIPSE
- 第五个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。
- 第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1。
- 第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_ CONSTANT。
- 第八个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。
这里看的乱七八糟，这是原贴：http://blog.csdn.net/poem_qianmo/article/details/24599073