使用for循环自己编写matlable膨胀代码

下面是使用 for 循环自己编写的 matlable 膨胀代码，实现了对二值图像进行膨胀操作：

import numpy as np

def dilate(img, kernel):
    height, width = img.shape
    k_height, k_width = kernel.shape
    
    # 计算 padding 大小
    pad_height = k_height//2
    pad_width = k_width//2
    
    # 对原图进行 padding
    padded_img = np.zeros((height+pad_height*2, width+pad_width*2))
    padded_img[pad_height:-pad_height, pad_width:-pad_width] = img
    
    # 创建输出图像数组
    output = np.zeros_like(padded_img)
    
    # 对每个像素进行膨胀操作
    for i in range(pad_height, height+pad_height):
        for j in range(pad_width, width+pad_width):
            if np.sum(kernel*padded_img[i-pad_height:i+pad_height+1, j-pad_width:j+pad_width+1]) > 0:
                output[i,j] = 1
    
    # 去除 padding
    output = output[pad_height:-pad_height, pad_width:-pad_width]
    
    return output

其中，`img` 为输入的二值图像，`kernel` 为给定的卷积核。在函数内部，首先计算了 padding 大小，并使用 `np.zeros` 创建了一个相应大小的全 0 数组 `padded_img`，然后将输入图像填充到 `padded_img` 的中央。接着创建了一个和 `padded_img` 相同大小的全 0 数组 `output` 作为输出图像。最后，对每个像素进行膨胀操作，根据卷积核计算该像素周围的值，并判断是否需要将该像素设为 1。由于在 padding 区域的像素并不需要进行膨胀操作，因此最后要将输出图像去除 padding。