AI（人工智能）可以通过多种方式来删除两个图形中的多余部分，下面内容是一些常见的方式：

1. 图形识别和分割：

   • 运用图像处理库（如OpenCV、Pillow等）对图形进行识别和分割。
   • 通过边缘检测（如Canny算法）找到图形的边界。
   • 运用形态学操作（如膨胀和腐蚀）来去除噪声和连接孤立的点。

2. 轮廓检测：

   • 运用轮廓检测算法（如OpenCV中的findContours）来识别图形的轮廓。
   • 选择两个图形的轮廓,接着运用轮廓之间的交集来决定哪些部分是多余的。

3. 几何算法：

   • 运用几何算法（如布尔运算）来处理图形。
   • 对于两个简单的图形（如矩形、圆形等），可以运用布尔减法来删除多余的部分。

4. 深度进修：

   • 运用深度进修模型进行图像分割,如U-Net或Mask R-CNN。
   • 训练模型以识别和分割两个图形,接着通过后处理去除多余部分。

下面内容一个简单的Python代码示例,运用OpenCV库来删除两个图形的交集部分：

import cv2
import numpy as np
# 读取两个图形的图像
img1 = cv2.imread('path_to_image_1.png')
img2 = cv2.imread('path_to_image_2.png')
# 转换为灰度图像
gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
# 应用阈值
_, thresh1 = cv2.threshold(gray1, 127, 255, cv2.THRESH_BINARY)
_, thresh2 = cv2.threshold(gray2, 127, 255, cv2.THRESH_BINARY)
# 找到轮廓
contours1, _ = cv2.findContours(thresh1, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_模拟PLE)
contours2, _ = cv2.findContours(thresh2, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_模拟PLE)
# 创建掩码
mask1 = np.zeros_like(thresh1)
mask2 = np.zeros_like(thresh2)
# 填充轮廓
cv2.drawContours(mask1, contours1, -1, (255, 255, 255), -1)
cv2.drawContours(mask2, contours2, -1, (255, 255, 255), -1)
# 运用掩码和原图像进行位运算
result1 = cv2.bitwise_and(img1, img1, mask=mask1)
result2 = cv2.bitwise_and(img2, img2, mask=mask2)
# 显示结局
cv2.imshow('Result 1', result1)
cv2.imshow('Result 2', result2)
cv2.waitKey(0)
cv2.destroyAllWindows()

这个示例特别基础,实际应用中也许需要更复杂的处理来处理复杂的图形和噪声。