前言
腐蝕的作用：去除影象中不想要的小細節，比如一張二值圖片中的噪點或者小細節。
膨脹的作用：膨脹的結果就是放大細節，放大的程度，取決於element B的大小。
一般都是先進行腐蝕後進行膨脹。

提示：以下是本篇文章正文內容，下面案例可供參考

一、腐蝕
https://blog.csdn.net/minushuang/article/details/50435689 這篇文章很好的講解了 腐蝕的原理。

程式碼如下（示例）：

import cv2 as cv

def erode_demo(image):
print(image.shape)
gray = cv.cvtColor(image ,cv.COLOR_RGB2GRAY)
ret, binary 
 
= cv.threshold(gray,0,255,cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
#ret, binary = cv.threshold(gray, 50, 255, cv.THRESH_BINARY_INV)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(15,15))
dst = cv.erode(binary , kernel)
cv.imshow("erode_demo",dst)
src=cv.imread("D:\\1111.png")
cv.namedWindow("input image
 
",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
erode_demo(src)
cv.waitKey(0)

cv.destroyAllWindows()

二、膨脹
https://blog.csdn.net/minushuang/article/details/50435689 這篇文章很好的講解了 膨脹的原理。

程式碼如下（示例）：

import cv2 as cv


def erode_demo(image):
print(image.shape)
gray = cv.cvtColor(image ,cv.COLOR_RGB2GRAY)
ret, binary 
 
= cv.threshold(gray,0,255,cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
#ret, binary = cv.threshold(gray, 50, 255, cv.THRESH_BINARY_INV)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(15,15))
dst = cv.dilate(binary , kernel)
cv.imshow("erode_demo",dst)


src=cv.imread("D:\\1111.png")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
erode_demo(src)
cv.waitKey(0)

cv.destroyAllWindows()

總結
鳴謝
https://blog.csdn.net/minushuang/article/details/50435689
https://www.bilibili.com/video/BV1QW411F7e7?p=25

原文連結：https://blog.csdn.net/qq_47566416/article/details/112596856