帮我用opencv 和python写一份代码要求如下： 使用小波变换将输入图像分解成高频、低频部分 并显示出来 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 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，注释中有详细解释：

import cv2
import numpy as np

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

# 进行小波变换，分解成高频、低频部分
coeff = pywt.dwt2(img, 'haar')
cA, (cH, cV, cD) = coeff

# 显示低频部分
cv2.imshow("Low Frequency", cA)

# 构造四种方向的元素形状
kernel_0 = np.array([[0, 0, 0, 0, 0],
                     [0, 0, 0, 0, 0],
                     [1, 1, 1, 1, 1],
                     [0, 0, 0, 0, 0],
                     [0, 0, 0, 0, 0]], dtype=np.uint8)

kernel_45 = np.array([[0, 0, 0, 0, 1],
                      [0, 0, 0, 1, 0],
                      [0, 0, 1, 0, 0],
                      [0, 1, 0, 0, 0],
                      [1, 0, 0, 0, 0]], dtype=np.uint8)

kernel_90 = np.array([[0, 0, 1, 0, 0],
                      [0, 0, 1, 0, 0],
                      [0, 0, 1, 0, 0],
                      [0, 0, 1, 0, 0],
                      [0, 0, 1, 0, 0]], dtype=np.uint8)

kernel_135 = np.array([[1, 0, 0, 0, 0],
                       [0, 1, 0, 0, 0],
                       [0, 0, 1, 0, 0],
                       [0, 0, 0, 1, 0],
                       [0, 0, 0, 0, 1]], dtype=np.uint8)

# 对低频部分进行灰度闭运算操作
closed_A_0 = cv2.morphologyEx(cA, cv2.MORPH_CLOSE, kernel_0)
closed_A_45 = cv2.morphologyEx(cA, cv2.MORPH_CLOSE, kernel_45)
closed_A_90 = cv2.morphologyEx(cA, cv2.MORPH_CLOSE, kernel_90)
closed_A_135 = cv2.morphologyEx(cA, cv2.MORPH_CLOSE, kernel_135)

# 显示四种方向的闭运算结果
cv2.imshow("Closed A (0)", closed_A_0)
cv2.imshow("Closed A (45)", closed_A_45)
cv2.imshow("Closed A (90)", closed_A_90)
cv2.imshow("Closed A (135)", closed_A_135)

# 对高频部分进行5x5中值滤波
cH = cv2.medianBlur(cH, 5)
cV = cv2.medianBlur(cV, 5)
cD = cv2.medianBlur(cD, 5)

# 使用小波逆变换将低频、高频部分重新合起来
coeff = cA, (cH, cV, cD)
reconstructed = pywt.idwt2(coeff, 'haar')

# 显示重建后的图像
cv2.imshow("Reconstructed", reconstructed.astype(np.uint8))

cv2.waitKey(0)
cv2.destroyAllWindows()

需要注意的是，上述代码使用的是haar小波变换和逆变换，可以根据需要更换为其他小波变换。同时，代码中的输入图像应为灰度图像。