图像膨胀和腐蚀操作属于图像处理中常用的形态学操作，其原理都是采用特定小矩形（核矩形），将其中心位置与图像中的每个像素对齐后，对重合位置的像素执行特定处理后，将处理结果保存到中心位置对应的像素处（详细的图形化原理展示见操作文献7-9）,膨胀和腐蚀的区别在于，前者是取重合位置的像素集合中的最大值，而后者取最小值。
腐蚀操作可以去除图片中的噪声和杂点、分割连通区域、减小目标物体的尺寸，而膨胀操作能填充图片中的小孔和断裂部分、放大特征、平滑边界，更详细的介绍可以查看参考文献或者百度相应内容。
参考文献6中介绍了膨胀和腐蚀的C++代码实现方式，主要就是两层循环遍历图像的每个像素，再内嵌两层循环判断与核矩形的重叠位置，取其最大值或最小值作为当前像素点的值。参考文献示例中的核矩形用的3X3的矩形，中心点在矩形中心，实际opencv中支持不同只存的核矩形且能指定中心点。
原本打算翻一下opencv源码中的膨胀和腐蚀源代码，不过就找到下图截图位置，函数嵌套使用太多了，不想往下找了。不过也能看得出来，膨胀和腐蚀本质上都是同一函数底层实现的。
腐蚀和膨胀的OpenCvSharp函数声明如下所示，主要参数意义如下：
1）src：源图像，可以输入Mat类型实例；
2）dst：腐蚀或膨胀函数的处理结果，可以用Mat类型；
3）element：核矩形，可以使用getStructuringElement函数创建，也可以使用Mat.Ones函数创建，可以是矩形，也可以是十字形、椭圆形等形状。如果该参数为空，则默认使用3X3的矩形；
4）anchor ：核矩形的中心位置，默认值为(-1, -1)，也即矩形的中心；
5）iterations：腐蚀或膨胀操作的执行次数，默认为1次。
public static void Erode(InputArray src, OutputArray dst, InputArray? element, Point? anchor = null, int iterations = 1, BorderTypes borderType = BorderTypes.Constant, Scalar? borderValue = null)
public static void Dilate(InputArray src, OutputArray dst, InputArray? element, Point? anchor = null, int iterations = 1, BorderTypes borderType = BorderTypes.Constant, Scalar? borderValue = null)
腐蚀及膨胀的示例代码及运行效果如下所示：
int iterations= Convert.ToInt32(textBox1.Text);
using Mat imgSrc = Cv2.ImRead(lblMsg.Text);
using Mat kernalMat = Mat.Ones(Convert.ToInt32(textBox2.Text), Convert.ToInt32(textBox2.Text),MatType.CV_8UC1);
using Mat imgDest = new Mat(imgSrc.Size(), imgSrc.Type());
Cv2.Erode(imgSrc, imgDest, kernalMat, null, iterations);
Cv2.ImShow("腐蚀操作", imgDest);
int iterations= Convert.ToInt32(textBox1.Text);
using Mat imgSrc = Cv2.ImRead(lblMsg.Text);
using Mat kernalMat = Mat.Ones(Convert.ToInt32(textBox2.Text), Convert.ToInt32(textBox2.Text),MatType.CV_8UC1);
using Mat imgDest = new Mat(imgSrc.Size(), imgSrc.Type());
Cv2.Dilate(imgSrc, imgDest, kernalMat, null, iterations);
Cv2.ImShow("膨胀操作", imgDest);
参考文献：
[1]https://github.com/shimat/opencvsharp
[2]https://blog.csdn.net/weixin_45052363/article/details/132112794
[3]https://blog.csdn.net/m0_37605642/article/details/132352643
[4]https://opencv.org/
[5]https://github.com/opencv/opencv
[6]https://cloud.tencent.com/developer/article/1485860
[7]https://blog.csdn.net/cs1395293598/article/details/134716765
[8]https://zhuanlan.zhihu.com/p/613908156
[9]https://blog.csdn.net/weixin_46999174/article/details/140642492
