scipy.ndimage.

grey_dilation#

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

计算灰度膨胀，使用结构元素或对应于平坦结构元素的足迹。

灰度膨胀是一种数学形态学运算。对于全平坦结构元素的简单情况，它可以被视为滑动窗口上的最大值滤波器。

参数:
inputarray_like

要计算灰度膨胀的数组。

size整数元组

用于灰度膨胀的平坦且完整的结构元素的形状。如果提供了 footprint 或 structure，则可选。

footprint整数数组，可选

用于灰度膨胀的平坦结构元素的非无穷大元素的位置。非零值给出中心邻居的集合，在其上选择最大值。

structure整数数组，可选

用于灰度膨胀的结构元素。 structure 可以是非平坦结构元素。 structure 数组为邻域中的每个像素应用加性偏移量。

output数组，可选

可以提供一个用于存储膨胀输出的数组。

mode{‘reflect’,’constant’,’nearest’,’mirror’, ‘wrap’}，可选

mode 参数确定如何处理数组边界，其中 cval 是当 mode 等于 ‘constant’ 时的值。默认值为 ‘reflect’

cval标量，可选

如果 mode 为 ‘constant’，则用于填充输入边缘之外的值。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

返回值:
grey_dilationndarray

input 的灰度膨胀。

参见

binary_dilation, grey_erosion, grey_closing, grey_opening
generate_binary_structure, maximum_filter

备注

图像输入的灰度膨胀由在域 E 上定义的结构元素 s 给出

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

特别是，对于定义为 s(y) = 0 for y in E 的结构元素，灰度膨胀计算滑动窗口内输入图像的最大值，该滑动窗口由 E 定义。

灰度膨胀 [1] 是一个数学形态学运算 [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]])
本页内容