不用MATLAB里面的内置的函数编写腐蚀代码

好的，那我可以给你介绍一种常见的腐蚀算法——基于结构元素的腐蚀算法，并提供相关的代码实现。

基于结构元素的腐蚀算法是一种非常简单的图像形态学算法，其基本思想是：对于图像中的每个像素，都将其与一个预定义的结构元素进行比较，若该像素与结构元素重叠的部分都为前景像素，则该像素被认为是前景像素，否则则被认为是背景像素。接着，将所有被认为是背景像素的像素都设置为背景色，即将其值设为0。这样，就完成了一次腐蚀操作。

下面是一个基于结构元素的腐蚀算法的代码实现，其中使用的结构元素是一个3x3的矩形结构元素：

import numpy as np

def erode(image):
    # 定义结构元素
    kernel = np.array([[0, 1, 0], [1, 1, 1], [0, 1, 0]], dtype=np.uint8)
    # 获取图像的高度和宽度
    height, width = image.shape
    # 构建一个全零的数组，用于保存腐蚀后的图像
    eroded = np.zeros((height, width), dtype=np.uint8)
    # 对于图像中的每个像素
    for i in range(1, height - 1):
        for j in range(1, width - 1):
            # 将结构元素与当前像素周围的8个像素进行比较
            if np.sum(image[i-1:i+2, j-1:j+2] * kernel) == 5:
                eroded[i, j] = 255
    return eroded

在这段代码中，我们首先定义了一个3x3的矩形结构元素，然后遍历图像中的每个像素，将其与结构元素进行比较。如果该像素与结构元素重叠的部分都为前景像素，则该像素被认为是前景像素，否则则被认为是背景像素。最后，将所有被认为是背景像素的像素都设置为背景色，即将其值设为0，得到腐蚀后的图像。

需要注意的是，在使用这种算法时，需要为图像添加边框以避免边界失真的问题。通常采用镜像边界或复制边界的方法来添加边框。