scipy.ndimage.

grey_erosion#

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

计算灰度腐蚀，使用结构元素或对应于扁平结构元素的足迹。

灰度腐蚀是一种数学形态学操作。对于完全扁平的结构元素的简单情况，它可以被视为滑动窗口上的最小滤波器。

参数：
inputarray_like

要计算灰度腐蚀的数组。

size整数元组

用于灰度腐蚀的扁平且完全的结构元素的形状。如果提供了footprint或structure，则可选。

footprint整数数组，可选

用于灰度腐蚀的扁平结构元素的非无限元素的位置。非零值给出中心邻居的集合，从中选择最小值。

structure整数数组，可选

用于灰度腐蚀的结构元素。structure可能是非扁平的结构元素。structure数组为邻域中的每个像素应用一个减法偏移。

output数组，可选

可以提供用于存储腐蚀输出的数组。

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mode等于‘constant’时的值。默认值为‘reflect’

cval标量，可选

如果mode是‘constant’，则用于填充输入边缘的值。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

返回值：
outputndarray

input的灰度腐蚀。

参见

binary_erosion, grey_dilation, grey_opening, grey_closing
generate_binary_structure, minimum_filter

备注

由在域 E 上定义的结构元素 s 对图像输入进行的灰度腐蚀由下式给出

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

特别地，对于定义为 s(y) = 0 for y in E 的结构元素，灰度腐蚀计算由 E 定义的滑动窗口内的输入图像的最小值。

灰度腐蚀[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[1:6, 1:6] = 3
>>> a[4,4] = 2; a[2,3] = 1
>>> a
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 3, 3, 3, 3, 3, 0],
       [0, 3, 3, 1, 3, 3, 0],
       [0, 3, 3, 3, 3, 3, 0],
       [0, 3, 3, 3, 2, 3, 0],
       [0, 3, 3, 3, 3, 3, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> ndimage.grey_erosion(a, size=(3,3))
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 3, 2, 2, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> footprint = ndimage.generate_binary_structure(2, 1)
>>> footprint
array([[False,  True, False],
       [ True,  True,  True],
       [False,  True, False]], dtype=bool)
>>> # Diagonally-connected elements are not considered neighbors
>>> ndimage.grey_erosion(a, footprint=footprint)
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 3, 1, 2, 0, 0],
       [0, 0, 3, 2, 2, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])
本页内容