帮我用opencv 4.0.1 和python 3.8写一份代码要求如下： 使用小波变换将输入图像进行多次分解，分解成高频、低频部分 并将高频、低频部分显示出来 随后对低频部分执行灰度形态学操作，构造 0°、45°、90°和135°四种方向的元素形状对低频部分进行灰度闭运算操作 之后采用 5×5 中值滤波 对高频部分进行去噪处理 随后使用小波逆变换将低频、高频部分重新合起来 并展示

好的，以下是代码实现：

import cv2
import numpy as np

# 读取输入图像
img = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE)

# 定义小波变换函数
def wavelet_transform(img, level):
    # 获取小波核
    wavelet = cv2.getGaborKernel((3, 3), 1.0, np.pi/4, 1.0, 0.5, 0, ktype=cv2.CV_32F)
    # 初始化高频和低频部分
    high_freq = np.zeros_like(img)
    low_freq = np.zeros_like(img)
    # 多次进行小波变换
    for i in range(level):
        # 分解
        img = cv2.filter2D(img, -1, wavelet)
        # 低频部分
        low = cv2.pyrDown(img)
        # 高频部分
        high = img - cv2.pyrUp(low)
        # 分别保存高频和低频部分
        high_freq += high
        low_freq += low
    return high_freq, low_freq

# 定义灰度形态学操作函数
def morphology(img):
    # 定义四个元素形状
    shapes = [cv2.MORPH_RECT, cv2.MORPH_CROSS, cv2.MORPH_ELLIPSE, cv2.MORPH_RECT]
    # 初始化结果
    result = np.zeros_like(img)
    # 分别进行四个方向的闭运算
    for i in range(4):
        kernel = cv2.getStructuringElement(shapes[i], (3, 3))
        closed = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
        result = np.maximum(result, closed)
    return result

# 定义中值滤波函数
def median_filter(img):
    # 进行 5×5 中值滤波
    return cv2.medianBlur(img, 5)

# 进行小波变换
high_freq, low_freq = wavelet_transform(img, 3)

# 显示高频、低频部分
cv2.imshow('High Frequency', high_freq)
cv2.imshow('Low Frequency', low_freq)

# 对低频部分进行灰度形态学操作
low_freq_morph = morphology(low_freq)

# 进行高频部分的去噪处理
high_freq_denoised = median_filter(high_freq)

# 将低频、高频部分重新合起来
merged = low_freq_morph + high_freq_denoised

# 进行小波逆变换
reconstructed = np.zeros_like(img)
kernel = cv2.getGaborKernel((3, 3), 1.0, np.pi/4, 1.0, 0.5, 0, ktype=cv2.CV_32F)
for i in range(3):
    low = cv2.pyrUp(low_freq_morph)
    high = high_freq_denoised
    reconstructed += cv2.filter2D(low+high, -1, kernel)
    low_freq_morph = low

# 显示结果
cv2.imshow('Reconstructed', reconstructed)
cv2.waitKey(0)

请注意，在运行此代码之前，您需要将输入图像命名为 `input.jpg` 并放置在代码所在的同一目录下。

此代码将打开三个窗口来显示结果。第一个窗口将显示高频部分，第二个窗口将显示低频部分，第三个窗口将显示最终结果。

希望这可以帮助您！