Python SciPy ndimage.binary_erosion用法及代码示例

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

用法:

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

具有给定结构元素的多维二元腐蚀。

二元腐蚀是一种用于图像处理的数学形态学运算。

参数 ：：

input： array_like

要侵蚀的二进制图像。非零 (True) 元素构成要侵蚀的子集。

structure： 数组，可选

用于侵蚀的结构元素。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。

iterations： 整数，可选

侵蚀是重复的迭代次数(默认为一次)。如果迭代次数小于 1，则重复腐蚀，直到结果不再变化。

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。

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。

border_value： int(强制转换为 0 或 1)，可选

输出数组中边界处的值。

origin： int 或整数元组，可选

过滤器的位置，默认为 0。

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当前迭代中要更新(腐蚀)的候选；如果为真，则所有像素都被视为腐蚀的候选对象，无论前一次迭代中发生了什么。默认为假。

返回 ：：

binary_erosion： 布尔数组

结构元素对输入的侵蚀。

注意：

侵蚀 [1] 是一种数学形态学运算 [2]，它使用结构元素来缩小图像中的形状。结构元素对图像的二元腐蚀是点的轨迹，其中以该点为中心的结构元素的叠加完全包含在图像的非零元素集合中。

参考：

[1]

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

[2]

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

例子：

>>> from scipy import ndimage
>>> import numpy as np
>>> a = np.zeros((7,7), dtype=int)
>>> a[1:6, 2:5] = 1
>>> a
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]])
>>> ndimage.binary_erosion(a).astype(a.dtype)
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> #Erosion removes objects smaller than the structure
>>> ndimage.binary_erosion(a, structure=np.ones((5,5))).astype(a.dtype)
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])