void morphologyEx( InputArray src, OutputArray dst,
                                int op, InputArray kernel,
                                Point anchor=Point(-1,-1), int iterations=1,
                                int borderType=BORDER_CONSTANT,
                                const Scalar& borderValue=morphologyDefaultBorderValue() );

• 参数1：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。
• 参数2：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。
• 参数3：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：

• 参数4：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()函数，请见文章里有相关讲解：【拜小白opencv】36-形态学滤波1——腐蚀

• 参数5：Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。
• 参数6：int类型的iterations，迭代使用函数的次数，默认值为1。
• 参数7：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。
• 参数8：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。

/*
功能：形态学梯度运算
*/
 
#include                 
#include                 
#include                
#include               
using namespace std;
using namespace cv;
 
int main()
{
	Mat srcImage, dstImage; //源图像，输出图像
	//---------【1】读取源图像并检查图像是否读取成功---------      
	srcImage = imread("D:\OutPutResult\ImageTest\ju.jpg");
	if (!srcImage.data)
	{
		cout << "读取图片错误，请重新输入正确路径！
";
		system("pause");
		return -1;
	}
	imshow("【源图像】", srcImage);
	//---------【2】获取自定义核---------
	Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));
	//---------【3】进行形态学梯度操作---------
	morphologyEx(srcImage, dstImage, MORPH_GRADIENT, element);
	//---------【4】显示效果图---------
	imshow("【效果图--形态学梯度】", dstImage);
	waitKey(0);
	return 0;
}

/*
功能：实现4中形态学梯度：基本梯度、内部梯度、外部梯度、方向梯度
*/
 
#include                 
#include                 
#include               
#include               
using namespace std;
using namespace cv;
 
int main()
{
	Mat srcImage, grayImage; //源图像，输出图像，灰度图像
	//---------【1】读取源图像并检查图像是否读取成功---------      
	srcImage = imread("D:\OutPutResult\ImageTest\ju.jpg");
	if (!srcImage.data)
	{
		cout << "读取图片错误，请重新输入正确路径！
";
		system("pause");
		return -1;
	}
	imshow("【源图像】", srcImage); 
	//---------【2】获取自定义核及对源图像进行腐蚀与膨胀---------
	Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));
	Mat erode_ouput, dilate_output;
	erode(srcImage, erode_ouput, element); //腐蚀
	dilate(srcImage, dilate_output, element); //膨胀
	//---------【3】计算基本梯度：膨胀后的图像减去腐蚀后的图像----------
	Mat basicGradient;
	subtract(dilate_output, erode_ouput, basicGradient, Mat());
	imshow("【基本梯度】", basicGradient);
	//---------【4】计算内部梯度：原图像减去腐蚀之后的图像----------
	Mat internalGradientImg;
	subtract(srcImage, erode_ouput, internalGradientImg, Mat());
	imshow("【内部梯度】", internalGradientImg);
	//---------【5】计算外部梯度：膨胀后的图像减去原图像----------
	Mat externalGradientImg;
	subtract(dilate_output, srcImage, externalGradientImg, Mat());
	imshow("【外部梯度】", externalGradientImg); 
	//---------【6】方向梯度：使用X方向与Y方向的直线作为结构元素---------
	Mat hse = getStructuringElement(MORPH_RECT, Size(srcImage.cols / 16, 1));
	Mat vse = getStructuringElement(MORPH_RECT, Size(1, srcImage.rows / 16));
	Mat erode_direct, dilate_direct;
	Mat binImg, xDirectImg, yDirectImg;
	// 转为灰度图
	cvtColor(srcImage, grayImage, CV_BGR2GRAY);
	// 将灰度图二值化
	threshold(grayImage, binImg, 0, 255, CV_THRESH_OTSU);
	// X 方向梯度：膨胀与腐蚀之后得到图像求差值
	erode(binImg, erode_direct, hse);
	dilate(binImg, dilate_direct, hse);
	subtract(dilate_direct, erode_direct, xDirectImg, Mat());
	imshow("【X 方向梯度】", xDirectImg);
	// Y 方向梯度：膨胀与腐蚀之后得到图像求差值
	erode(binImg, erode_direct, vse);
	dilate(binImg, dilate_direct, vse);
	subtract(dilate_direct, erode_direct, yDirectImg, Mat());
	imshow("【Y 方向梯度】", yDirectImg);
 
	waitKey(0);
	return 0;
}

4-显示结果