scipy.ndimage.

grey_erosion#

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

计算灰度腐蚀,可以使用结构元素或对应于平坦结构元素的足迹。

灰度腐蚀是一种数学形态学操作。对于完整且平坦结构元素的简单情况,它可以被视为滑动窗口上的最小值滤波器。

参数:
input类数组

要计算灰度腐蚀的数组。

size整数元组

用于灰度腐蚀的平坦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

用于灰度腐蚀的平坦结构元素的非无穷大元素的位置。非零值表示选择最小值的中心像素的邻域集合。

structure整数数组,可选

用于灰度腐蚀的结构元素。structure 可以是非平坦结构元素。structure 数组对邻域中的每个像素应用一个减法偏移。

output数组,可选

可以提供一个用于存储腐蚀结果的数组。

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

参数 mode 决定了数组边界的处理方式,其中 cval 是当 mode 等于 'constant' 时的值。默认为 'reflect'。

cval标量,可选

如果 mode 为 'constant',用于填充输入边界以外的值。默认值为 0.0。

origin标量,可选

参数 origin 控制滤波器的位置。默认值为 0。

axes整数元组或 None

应用滤波器的轴。如果为 None,则 input 沿所有轴进行滤波。如果提供了 origin 元组,其长度必须与轴的数量匹配。

返回值:
outputndarray

input 的灰度腐蚀结果。

备注

图像输入通过在域 E 上定义的结构元素 s 进行灰度腐蚀的计算公式为

(input+s)(x) = min {input(y) - s(x-y),对于 y 属于 E}

特别是,对于定义为 s(y) = 0(y 属于 E)的结构元素,灰度腐蚀计算输入图像在由 E 定义的滑动窗口内的最小值。

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]])