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

# 读取图像并转为灰度图
img = cv2.imread('input.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 小波变换
coeffs = cv2.dwt2(gray, 'haar')
LL, (LH, HL, HH) = coeffs

# 显示高频、低频部分
cv2.imshow('Low frequency', LL)
cv2.imshow('High frequency', HH)

# 构造四种方向的元素形状
kernel_0 = np.array([-1, 0, 1, -1, 0, 1, -1, 0, 1]).reshape(3, 3)
kernel_45 = np.array([0, 1, 1, -1, 0, 1, -1, -1, 0]).reshape(3, 3)
kernel_90 = np.array([1, 1, 1, 0, 0, 0, -1, -1, -1]).reshape(3, 3)
kernel_135 = np.array([1, 1, 0, 1, 0, -1, 0, -1, -1]).reshape(3, 3)

# 对低频部分进行四个方向的灰度闭运算
LL_0 = cv2.morphologyEx(LL, cv2.MORPH_CLOSE, kernel_0)
LL_45 = cv2.morphologyEx(LL, cv2.MORPH_CLOSE, kernel_45)
LL_90 = cv2.morphologyEx(LL, cv2.MORPH_CLOSE, kernel_90)
LL_135 = cv2.morphologyEx(LL, cv2.MORPH_CLOSE, kernel_135)

# 中值滤波处理高频部分
HH_median = cv2.medianBlur(HH, 5)

# 小波逆变换
LL_new = cv2.merge((LL_0, LL_45, LL_90, LL_135))
coeffs_new = (LL_new, (LH, HL, HH_median))
dst = cv2.idwt2(coeffs_new, 'haar')

# 显示结果
cv2.imshow('Result', dst)

# 等待按下任意按键退出并关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`input.jpg` 是我们的输入图像，可以根据实际需要进行修改。在代码中，我们首先将图像转为灰度图，然后使用 `cv2.dwt2()` 进行小波变换，得到低频和高频部分。接着，我们将低频和高频部分分别显示出来，并对低频部分进行灰度形态学操作，构造四种方向的元素形状进行灰度闭运算操作。对高频部分采用 5×5 中值滤波进行去噪处理。最后，我们使用 `cv2.idwt2()` 进行小波逆变换，将低频和高频部分重新合起来，并展示结果。

运行代码后，可以看到窗口分别显示了低频、高频部分和处理后的结果。可以根据实际需要进行调整和修改。