opencv24: 腐蚀与膨胀

形态学运算是一种针对二维图像的处理方式，其中腐蚀与膨胀是最基础的操作形式。从本质上讲，这类运算属于基于形状特征的图像处理技术，其核心原理是通过特定的结构元素对输入图像进行作用，从而生成目标输出图像。腐蚀与膨胀作为形态学操作中的基本方法，在实际应用中具有广泛的用途，主要包括以下几个方面：
. 去除图像中的噪声干扰
. 将独立的图像组成部分进行分离，或使相邻的部分实现连接
. 识别图像中显著的高值区域或低值区域
. 计算并提取图像的梯度信息
以下为相关示例图片：

图像的背景采用白色，文字则为黑色。以下将基于该图形对膨胀与腐蚀的基本原理进行阐述。

1. 膨胀
   膨胀（dilate）本质上是寻找局部最大值的一种操作方式，从数学层面来看，膨胀或腐蚀的过程是指将一幅二维图像或其某一部分（记作A）与一个模板，即所谓的核（称为B）进行卷积运算的操作。
   核可以具有任意的形状和尺寸，这与先前介绍的模板类似，核中同样存在一个可设定的锚点位置。
   . 膨胀处理的过程是将图像A与任意形状的内核B（通常为正方形或圆形）进行卷积运算
   . 内核B中所设定的锚点一般被称作内