node.js 做网站网络整合营销传播
闭运算是先膨胀、后腐蚀的运算，它有助于关闭前景物体内部的小孔，或去除物体上的小黑点，还可以将不同的前景图像进行连接。
例如，在图 8-17 中，通过先膨胀后腐蚀的闭运算去除了原始图像内部的小孔（内部闭合的闭运算），其中：
- 左图是原始图像。
- 中间的图是对原始图像进行膨胀的结果。
- 右图是对膨胀后的图像进行腐蚀的结果，即对原始图像进行闭运算的结果。
从图 8-17 可以看到，原始图像在经过膨胀、腐蚀后，实现了闭合内部小孔的目的。除此以外，闭运算还可以实现前景图像的连接。例如，在图 8-18 中，利用闭运算将原本独立的两部分前景图像连接在一起，其中：
- 左图是原始图像。
- 中间的图是对原始图像进行膨胀的结果。
- 右图是对膨胀后的图像进行腐蚀的结果，即对原始图像进行闭运算的结果。
通过将函数 cv2.morphologyEx()中操作类型参数 op 设置为“cv2.MORPH_CLOSE”，可以实现闭运算。其语法结构如下：
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
代码示例：
使用函数 cv2.morphologyEx()实现闭运算。
原图
代码如下：
import cv2
import numpy as np
img1=cv2.imread("closing.bmp")
img2=cv2.imread("closing2.bmp")
k=np.ones((10,10),np.uint8)
r1=cv2.morphologyEx(img1,cv2.MORPH_CLOSE,k,iterations=3)
r2=cv2.morphologyEx(img2,cv2.MORPH_CLOSE,k,iterations=3)
cv2.imshow("img1",img1)
cv2.imshow("result1",r1)
cv2.imshow("img2",img2)
cv2.imshow("result2",r2)
cv2.waitKey()
cv2.destroyAllWindows()
在本例中，分别针对两幅不同的图像做了闭运算。运行程序，结果如下图所示，其中：
- 图(a)是原始图像 img1。
- 图(b)是原始图像 img1 经过闭运算得到的图像 r1。
- 图©是原始图像 img2。
- 图(d)是原始图像 img2 经过闭运算得到的图像 r2。
