OpenCV 是一个开源的计算机视觉库，它包含了许多图像处理的功能，其中膨胀和腐蚀是两种常用的形态学操作。
膨胀（Dilation）：膨胀操作是将图像中的高亮区域（白色像素）扩张，从而填充低亮区域（黑色像素）。这可以用于消除图像中的噪声，连接相邻的物体等。在 OpenCV 中，可以使用 `cv2.dilate()` 函数进行膨胀操作。
腐蚀（Erosion）：腐蚀操作与膨胀操作相反，它是将图像中的高亮区域（白色像素）缩小，从而消除小的高亮区域。这可以用于消除图像中的噪声，分离相邻的物体等。在 OpenCV 中，可以使用 `cv2.erode()` 函数进行腐蚀操作。
以下是一个使用 OpenCV 进行膨胀和腐蚀操作的 Python 代码示例：
```python
import cv2
import numpy as np
# 读取图像
image = cv2.imread('input.jpg', 0)
# 定义结构元素（卷积核）
kernel = np.ones((5, 5), np.uint8)
# 腐蚀操作
erosion = cv2.erode(image, kernel, iterations=1)
# 膨胀操作
dilation = cv2.dilate(image, kernel, iterations=1)
# 显示结果
cv2.imshow('Original', image)
cv2.imshow('Erosion', erosion)
cv2.imshow('Dilation', dilation)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
在这个示例中，我们首先读取了一张图像，然后定义了一个 5x5 的结构元素（卷积核）。接下来，我们使用 `cv2.erode()` 和 `cv2.dilate()` 函数分别进行腐蚀和膨胀操作。最后，我们显示了原始图像以及处理后的图像。

OpenCV中膨胀（Dilation）和腐蚀（Erosion）是两种常用的图像处理操作。这里给出几段Python代码示例。
1. 导入所需库：
```python
import cv2
import numpy as np
```
2. 读取图像：
```python
image = cv2.imread('input.jpg', 0)
```
3. 创建一个核（kernel）：
```python
kernel = np.ones((5, 5), np.uint8)
```
4. 腐蚀操作：
```python
erosion = cv2.erode(image, kernel, iterations=1)
cv2.imshow('Erosion', erosion)
```
5. 膨胀操作：
```python
dilation = cv2.dilate(image, kernel, iterations=1)
cv2.imshow('Dilation', dilation)
```
6. 显示原始图像：
```python
cv2.imshow('Original Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
这些代码示例展示了如何使用OpenCV进行腐蚀和膨胀操作。你可以根据需要调整核的大小和迭代次数以获得不同的效果。