本节重点介绍形态学处理---膨胀
膨胀运算是将与某物体（白色区域）接触的所有背景像素（黑色区域）合并到该物体中的过程。
scipy.ndimage.binary_dilation(input, structure=None, iterations=1, mask=None, output=None, border_value=0, origin=0, brute_force=False)
描述：膨胀运算是将与某物体（白色区域）接触的所有背景像素（黑色区域）合并到该物体中的过程。（在二维图像中，默认使用四连通进行膨胀处理，通过structure参数可以指定其他的结构元素，例如，八连通膨胀运算：binary_dilation（a, structure=[[1,1,1],[1,1,1],[1,1,1]]））
参数：
- input：二进制图像矩阵；
- structure：类型：array_like（矩阵）---用于膨胀的结构元素，默认为等于1的方形连接元素；
- iterations : 类型：int, float（整型/浮点型）---腐蚀重复的次数，默认为1，如果迭代小于1，则重复膨胀，直到结果不再改变为止；
- mask：类型：array_like（矩阵）---如果给出掩码，则在每次迭代时仅修改在相应掩码元素处具有True值的那些元素；
- output：类型：array_like（矩阵）---与输入相同形状的数组，输出放入其中。默认情况下，会创建一个新的数组；
- border_value：类型：int（强制转换为0/1）---输出数组中边框的值；
- origin：类型：int/tuple（整型/元组）---过滤器的位置，默认为0；
- brute_force：类型：boolean（布尔型）---内存条件：如果为Flase，则仅跟踪在最后一次迭代中值已更改的像素作为当前迭代中要更新（腐蚀）的候选项；如果为True，则所有像素都被视为腐蚀的候选值，无论前一次迭代中发生了什么。
返回值：ndarray of boolean（布尔型矩阵）
范例：
注意：膨胀输入的masks需要与structure的维度相匹配（三维对三维，二维对二维）；直接腐蚀输出的数据类型为布尔型。