scipy.ndimage.

binary_hit_or_miss#

scipy.ndimage.binary_hit_or_miss(input, structure1=None, structure2=None, output=None, origin1=0, origin2=None)[source]#

多维二元命中或未命中变换。

命中或未命中变换找到给定模式在输入图像中的位置。

参数：

input类数组（强制转换为布尔值）: 要检测模式的二元图像。
structure1类数组（强制转换为布尔值），可选: 结构元素的一部分，用于拟合 input 的前景（非零元素）。如果未提供值，则选择连接性为 1 的正方形结构。
structure2类数组（强制转换为布尔值），可选: 结构元素的第二部分，必须完全错过前景。如果未提供值，则取 structure1 的补集。
outputndarray，可选: 与 input 形状相同的数组，输出放置其中。默认情况下，将创建一个新数组。
origin1int 或 int 元组，可选: 结构元素 structure1 的第一部分的放置位置，默认情况下为 0，表示居中结构。
origin2int 或 int 元组，可选: 结构元素 structure2 的第二部分的放置位置，默认情况下为 0，表示居中结构。如果为 origin1 提供了值，但未为 origin2 提供值，则将 origin2 设置为 origin1。

返回值：

binary_hit_or_missndarray: 使用给定结构元素 (structure1, structure2) 对 input 进行命中或未命中变换。

另请参见

binary_erosion

参考

[1]

https://en.wikipedia.org/wiki/Hit-or-miss_transform

示例

>>> from scipy import ndimage
>>> import numpy as np
>>> a = np.zeros((7,7), dtype=int)
>>> a[1, 1] = 1; a[2:4, 2:4] = 1; a[4:6, 4:6] = 1
>>> a
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 1, 0, 0, 0, 0, 0],
       [0, 0, 1, 1, 0, 0, 0],
       [0, 0, 1, 1, 0, 0, 0],
       [0, 0, 0, 0, 1, 1, 0],
       [0, 0, 0, 0, 1, 1, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> structure1 = np.array([[1, 0, 0], [0, 1, 1], [0, 1, 1]])
>>> structure1
array([[1, 0, 0],
       [0, 1, 1],
       [0, 1, 1]])
>>> # Find the matches of structure1 in the array a
>>> ndimage.binary_hit_or_miss(a, structure1=structure1).astype(int)
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> # Change the origin of the filter
>>> # origin1=1 is equivalent to origin1=(1,1) here
>>> ndimage.binary_hit_or_miss(a, structure1=structure1,\
... origin1=1).astype(int)
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 0],
       [0, 0, 0, 0, 0, 0, 0]])