数学形态学实际上可以理解为一种滤波行为，所以很多地方称它为形态学滤波。有了个这概念，我们就能更好的理解它。我们滤波中用的滤波器（kernel）在这里被称为结构元素，结构元素往往是由一个特殊的形状构成，如：线条、矩形、圆、菱形等。我们把结构元素的中心（Anchor Point）与图像上像素点对齐，然后结构元素覆盖的领域像素就是我们要分析的像素，我们定义一种操作就形成了一种形态学运算。
我们在这里不解释形态学操作的算法原理及它们的意义，有兴趣的可以参见相关数字图像处理方面的教材，或关注本博客，博主打算在OpenCV系列写完后，开始写图像处理方面算法系列的文章。
一、形态学的基本操作
腐蚀运算：erode
void erode(InputArray src, OutputArray dst, InputArray kernel, Point anchor=Point(-1,-1), int iterations=1, int borderType=BORDER_CONSTANT, const Scalar& borderValue=morphologyDefaultBorderValue());
src：输入图像，很多场合下我们使用的是二值图像，当然灰度图像也可以。
dst：输出图像，格式和输入图像一致。
kernel：定义的结构元素。
anchor：结构元素的中心，如果是默认参数(-1,-1)，会自动将其设置为结构元素的中心。
iterations：迭代次数，我们可以选择对图像进行多次形态学运算。
后面两个参数是边界类型，由于要处理领域问题，所以图像需要扩充边界。一般情况下使用默认即可。
膨胀运算：dilate
膨胀跟腐蚀的参数完全一致，就不过多的说明了。这两个形态学操作是最基本的两个操作。
int main() { Mat image=imread("../cat.png"); // 彩色转灰度 cvtColor(image,image,CV_BGR2GRAY); // 阈值化
