Python SciPy ndimage.binary_closing用法及代码示例

本文简要介绍 python 语言中 scipy.ndimage.binary_closing 的用法。

用法:

scipy.ndimage.binary_closing(input, structure=None, iterations=1, output=None, origin=0, mask=None, border_value=0, brute_force=False)#

与给定结构元素的多维二进制关闭。

结构元素对输入图像的闭合是结构元素对图像膨胀的侵蚀。

参数 ：：

input： array_like

二进制数组 被关闭。非零 (True) 元素构成要关闭的子集。

structure： 数组，可选

用于关闭的结构元素。非零元素被认为是 True。如果没有提供结构元素，则生成一个正方形连通性等于 1 的元素(即，只有最近的邻居连接到中心，diagonally-connected 元素不被视为邻居)。

iterations： 整数，可选

闭合的膨胀步骤，然后是腐蚀步骤，每次重复迭代次数(默认为一次)。如果迭代次数小于 1，则重复每个操作，直到结果不再变化。只接受整数次迭代。

output： ndarray，可选

与输入形状相同的数组，其中放置输出。默认情况下，会创建一个新数组。

origin： int 或整数元组，可选

过滤器的位置，默认为 0。

mask： 数组，可选

如果给定掩码，则每次迭代时仅修改在相应掩码元素处具有 True 值的那些元素。

border_value： int(强制转换为 0 或 1)，可选

输出数组中边界处的值。

brute_force： 布尔值，可选

memory 条件：如果为False，则只跟踪上次迭代中值发生变化的像素作为本次迭代更新的候选；如果真正的 al 像素被认为是更新的候选者，则不管前一次迭代中发生了什么。默认为假。

返回 ：：

binary_closing： 布尔数组

通过结构元素关闭输入。

注意：

结束 [1]是数学形态学运算[2]这包括具有相同结构元素的输入的连续膨胀和腐蚀。因此，闭合会填充小于结构元素的孔。

和...一起开幕(scipy.ndimage.binary_opening)，关闭可用于消除噪音。

参考：

[1]

https://en.wikipedia.org/wiki/Closing_%28morphology%29

[2]

https://en.wikipedia.org/wiki/Mathematical_morphology

例子：

>>> from scipy import ndimage
>>> import numpy as np
>>> a = np.zeros((5,5), dtype=int)
>>> a[1:-1, 1:-1] = 1; a[2,2] = 0
>>> a
array([[0, 0, 0, 0, 0],
       [0, 1, 1, 1, 0],
       [0, 1, 0, 1, 0],
       [0, 1, 1, 1, 0],
       [0, 0, 0, 0, 0]])
>>> # Closing removes small holes
>>> ndimage.binary_closing(a).astype(int)
array([[0, 0, 0, 0, 0],
       [0, 1, 1, 1, 0],
       [0, 1, 1, 1, 0],
       [0, 1, 1, 1, 0],
       [0, 0, 0, 0, 0]])
>>> # Closing is the erosion of the dilation of the input
>>> ndimage.binary_dilation(a).astype(int)
array([[0, 1, 1, 1, 0],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [0, 1, 1, 1, 0]])
>>> ndimage.binary_erosion(ndimage.binary_dilation(a)).astype(int)
array([[0, 0, 0, 0, 0],
       [0, 1, 1, 1, 0],
       [0, 1, 1, 1, 0],
       [0, 1, 1, 1, 0],
       [0, 0, 0, 0, 0]])

>>> a = np.zeros((7,7), dtype=int)
>>> a[1:6, 2:5] = 1; a[1:3,3] = 0
>>> a
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 1, 0, 0],
       [0, 0, 1, 0, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> # In addition to removing holes, closing can also
>>> # coarsen boundaries with fine hollows.
>>> ndimage.binary_closing(a).astype(int)
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> ndimage.binary_closing(a, structure=np.ones((2,2))).astype(int)
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])