scipy.ndimage.

grey_dilation#

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

计算灰度膨胀,使用结构元素或对应于平面结构元素的足迹。

灰度膨胀是一种数学形态学操作。对于完整且扁平的结构元素这一简单情况,它可以被视为滑动窗口上的最大值滤波器。

参数:
input类数组

要计算灰度膨胀的数组。

size整数元组

用于灰度膨胀的扁平完整结构元素的形状。如果提供了footprintstructure,则此参数可选。

footprint整数数组,可选

用于灰度膨胀的扁平结构元素中非无穷大元素的位置。非零值表示选择最大值时,中心像素的邻域集合。

structure整数数组,可选

用于灰度膨胀的结构元素。structure 可以是非扁平结构元素。structure 数组为邻域中的每个像素应用一个加性偏移。

output数组,可选

可以提供一个用于存储膨胀结果的数组。

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。默认值为 ‘reflect’

cval标量,可选

如果mode是‘constant’,用于填充输入数组边缘的值。默认值为 0.0。

origin标量,可选

origin 参数控制滤波器的放置。默认值为 0

axes整数元组或None

应用过滤器的轴。如果为 None,则input将沿所有轴进行过滤。如果提供了origin元组,其长度必须与轴的数量匹配。

返回:
grey_dilationndarray

input的灰度膨胀。

备注

图像输入通过在域 E 上定义的结构元素 s 进行灰度膨胀,其定义为

(input+s)(x) = max {input(y) + s(x-y), for y in E}

特别是,对于定义为当 y 在 E 中时 s(y) = 0 的结构元素,灰度膨胀计算输入图像在由 E 定义的滑动窗口内的最大值。

灰度膨胀 [1] 是一种数学形态学操作 [2]

参考文献

示例

>>> from scipy import ndimage
>>> import numpy as np
>>> a = np.zeros((7,7), dtype=int)
>>> a[2:5, 2:5] = 1
>>> a[4,4] = 2; a[2,3] = 3
>>> a
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 3, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 2, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> ndimage.grey_dilation(a, size=(3,3))
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 1, 3, 3, 3, 1, 0],
       [0, 1, 3, 3, 3, 1, 0],
       [0, 1, 3, 3, 3, 2, 0],
       [0, 1, 1, 2, 2, 2, 0],
       [0, 1, 1, 2, 2, 2, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> ndimage.grey_dilation(a, footprint=np.ones((3,3)))
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 1, 3, 3, 3, 1, 0],
       [0, 1, 3, 3, 3, 1, 0],
       [0, 1, 3, 3, 3, 2, 0],
       [0, 1, 1, 2, 2, 2, 0],
       [0, 1, 1, 2, 2, 2, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> s = ndimage.generate_binary_structure(2,1)
>>> s
array([[False,  True, False],
       [ True,  True,  True],
       [False,  True, False]], dtype=bool)
>>> ndimage.grey_dilation(a, footprint=s)
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 3, 1, 0, 0],
       [0, 1, 3, 3, 3, 1, 0],
       [0, 1, 1, 3, 2, 1, 0],
       [0, 1, 1, 2, 2, 2, 0],
       [0, 0, 1, 1, 2, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> ndimage.grey_dilation(a, size=(3,3), structure=np.ones((3,3)))
array([[1, 1, 1, 1, 1, 1, 1],
       [1, 2, 4, 4, 4, 2, 1],
       [1, 2, 4, 4, 4, 2, 1],
       [1, 2, 4, 4, 4, 3, 1],
       [1, 2, 2, 3, 3, 3, 1],
       [1, 2, 2, 3, 3, 3, 1],
       [1, 1, 1, 1, 1, 1, 1]])