scipy.ndimage.

black_tophat#

scipy.ndimage.black_tophat(input, size=None, footprint=None, structure=None, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)[源]#

多维黑帽滤波。

参数:

inputarray_like: 输入。
sizeint 元组, 可选: 用于滤波的平坦且完整的结构元素的形状。如果提供了 footprint 或 structure，则此项为可选。
footprintint 数组, 可选: 用于黑帽滤波的平坦结构元素的非无限元素位置。
structureint 数组, 可选: 用于滤波的结构元素。structure 可以是非平坦的结构元素。structure 数组对邻域中的像素应用偏移量（在膨胀期间为加法偏移，在腐蚀期间为减法偏移）
output数组, 可选: 可以提供一个用于存储滤波输出的数组。
mode{'reflect', 'constant', 'nearest', 'mirror', 'wrap'}, 可选: mode 参数决定了数组边界的处理方式，其中当 mode 等于 'constant' 时，cval 是填充值。默认为 'reflect'
cval标量, 可选: 如果 mode 为 'constant'，用于填充输入边缘外的值。默认为 0.0。
origin标量, 可选: origin 参数控制滤波器的放置。默认 0
axesint 元组或 None: 应用滤波的轴。如果为 None，则 input 沿所有轴进行滤波。如果提供了 origin 元组，则其长度必须与轴的数量匹配。

返回:

black_tophatndarray: input 与 structure 滤波后的结果。

另请参阅

white_tophat, grey_opening, grey_closing

示例

将暗峰变为亮峰并减去背景。

>>> from scipy.ndimage import generate_binary_structure, black_tophat
>>> import numpy as np
>>> square = generate_binary_structure(rank=2, connectivity=3)
>>> dark_on_gray = np.array([[7, 6, 6, 6, 7],
...                          [6, 5, 4, 5, 6],
...                          [6, 4, 0, 4, 6],
...                          [6, 5, 4, 5, 6],
...                          [7, 6, 6, 6, 7]])
>>> black_tophat(input=dark_on_gray, structure=square)
array([[0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [0, 1, 5, 1, 0],
       [0, 0, 1, 0, 0],
       [0, 0, 0, 0, 0]])