把腐蚀和膨胀算法函数用Python写出来

好的，以下是腐蚀和膨胀算法的Python实现：

腐蚀算法：

import numpy as np
import cv2

def erosion(image, kernel):
    # 获取图像和卷积核的大小
    rows, cols = image.shape
    k_rows, k_cols = kernel.shape

    # 计算卷积核的中心位置
    center_row = k_rows // 2
    center_col = k_cols // 2

    # 创建空白图像
    eroded = np.zeros_like(image)

    # 对每个像素进行操作
    for i in range(rows):
        for j in range(cols):
            # 对于卷积核覆盖到的每个像素
            for m in range(k_rows):
                for n in range(k_cols):
                    # 计算卷积核中心点在图像上的位置
                    row = i + m - center_row
                    col = j + n - center_col

                    # 如果卷积核越界，则忽略该像素
                    if row < 0 or col < 0 or row >= rows or col >= cols:
                        continue

                    # 如果该像素与卷积核中心点重合，则判断是否需要腐蚀
                    if kernel[m, n] == 1 and image[row, col] == 0:
                        eroded[i, j] = 0
                        break
                else:
                    continue
                break

            # 如果卷积核中的所有像素都与图像中的像素匹配，则进行腐蚀
            else:
                eroded[i, j] = 255

    return eroded

膨胀算法：

import numpy as np
import cv2

def dilation(image, kernel):
    # 获取图像和卷积核的大小
    rows, cols = image.shape
    k_rows, k_cols = kernel.shape

    # 计算卷积核的中心位置
    center_row = k_rows // 2
    center_col = k_cols // 2

    # 创建空白图像
    dilated = np.zeros_like(image)

    # 对每个像素进行操作
    for i in range(rows):
        for j in range(cols):
            # 对于卷积核覆盖到的每个像素
            for m in range(k_rows):
                for n in range(k_cols):
                    # 计算卷积核中心点在图像上的位置
                    row = i + m - center_row
                    col = j + n - center_col

                    # 如果卷积核越界，则忽略该像素
                    if row < 0 or col < 0 or row >= rows or col >= cols:
                        continue

                    # 如果该像素与卷积核中心点重合，则判断是否需要膨胀
                    if kernel[m, n] == 1 and image[row, col] == 255:
                        dilated[i, j] = 255
                        break
                else:
                    continue
                break

            # 如果卷积核中的所有像素都与图像中的像素匹配，则进行膨胀
            else:
                dilated[i, j] = 0

    return dilated

这里的 `image` 是输入图像， `kernel` 是卷积核。在这里，我们假设输入图像为二值图像，即只包含黑色和白色两种颜色。因此，腐蚀操作会将黑色部分腐蚀掉，而膨胀操作则会将白色部分膨胀。