scipy.ndimage.

white_tophat#

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

多维白顶帽（white tophat）滤波器。

参数:

inputarray_like: 输入数组。
sizeint 元组: 用于滤波器的平坦完整结构元素（structuring element）的形状。如果提供了 footprint 或 structure，则此参数可选。
footprintint 数组，可选: 用于白顶帽（white tophat）滤波器的平坦结构元素（structuring element）中元素的位置。
structureint 数组，可选: 用于滤波器的结构元素（structuring element）。structure 可以是非平坦的结构元素。structure 数组会对邻域中的像素应用偏移量（在膨胀（dilation）时偏移量是加性的，在腐蚀（erosion）时是减性的）。
output数组，可选: 可提供一个数组用于存储滤波器的输出。
mode{‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’}，可选: mode 参数决定了如何处理数组边界，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’，则用于填充输入数组边缘之外的值。默认为 0.0。
origin标量，可选: origin 参数控制滤波器的放置位置。默认为 0。
axesint 元组或 None: 应用滤波器的轴。如果为 None，则 input 将沿所有轴进行滤波。如果提供了 origin 元组，其长度必须与轴的数量匹配。

返回:

outputndarray: 使用 structure 对 input 进行滤波的结果。

另请参阅

black_tophat

示例

从亮峰中减去灰色背景。

>>> from scipy.ndimage import generate_binary_structure, white_tophat
>>> import numpy as np
>>> square = generate_binary_structure(rank=2, connectivity=3)
>>> bright_on_gray = np.array([[2, 3, 3, 3, 2],
...                            [3, 4, 5, 4, 3],
...                            [3, 5, 9, 5, 3],
...                            [3, 4, 5, 4, 3],
...                            [2, 3, 3, 3, 2]])
>>> white_tophat(input=bright_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]])