膨胀
灰度形态学中的膨胀就是类似卷积的一种操作，用P加上B，然后取这个区域中最大值赋值给结构元素B的原点所对应位置
相比较于原图像
腐蚀的结果使得各像元比之前变得更小，所以适用于去除高峰噪声
膨胀的结果使得各像元比之前变得更大，所以适用于去除低谷噪声
高峰噪声和低谷噪声
高峰噪声指亮部区域（如高光、光源附近）出现的噪声
低谷噪声指暗部区域（如阴影、暗角）出现的噪声
二者因产生机理和视觉影响不同，在图像处理中需区别对待
高峰噪声（Highlights Noise）
出现位置：主要集中在图像亮度值接近或达到最大值的区域，例如晴天的天空、灯光直射处、白色物体表面
视觉表现：常表现为亮部区域的 "杂色斑点" 或 "色彩溢出"，比如白色墙面出现红色、蓝色的细小噪点，或高光区域边缘出现毛糙的过渡
常见成因：多由传感器在高亮度信号下的 "过曝溢出" 或 "电荷串扰" 导致，也可能是后期提亮高光时，放大了原始信号中的微小干扰
低谷噪声（Shadows Noise）
出现位置：主要集中在图像亮度值接近或达到最小值的区域，例如室内阴影、夜景中的暗部、物体背光面。
视觉表现：通常是暗部区域的 "颗粒感" 或 "色块断层"，比如黑色衣服上出现灰色噪点，或阴影区域出现明显的分层、缺乏细节
常见成因：核心原因是 "信号不足"，传感器在低光环境下接收的光子少，原始信号微弱，导致 "暗电流噪声""读取噪声" 等干扰信号占比升高，最终被记录为可见噪声
公式
总结
腐蚀使目标区域范围"变小"，其实质造成图像的边界收缩，可以用来消除小且无意义的目标物
膨胀使目标区域范围"变大"，将目标区域接触的背景点合并到该目标物中，使目标边界向外部扩张。可以用来填补目标区域中某些空洞以及消除包含在目标区域中的小颗粒噪声
理解腐蚀的公式和腐蚀的实现
理解膨胀的公式和膨胀的实现
个人理解
二值图像
腐蚀：模板覆盖的区域全为前景，则为前景（0和1取最小，只要存在0，则就是0，即背景）
膨胀：模板覆盖的区域存在前景，则为前景（0和1取最大，只要存在1，则就是1，即前景）
灰度图像
腐蚀：保留最暗的细节，消除亮部的凸起
膨胀：保留最亮的细节，填补暗部的孔洞
