Python SciPy ndimage.grey_erosion用法及代码示例

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

用法:

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

使用结构元素或对应于平面结构元素的足迹计算灰度侵蚀。

灰度腐蚀是一种数学形态学运算。对于完整且平坦的结构元素的简单情况，可以将其视为滑动窗口上的最小过滤器。

参数 ：：

input： array_like

要计算灰度侵蚀的数组。

size： 整数元组

用于灰度侵蚀的平坦且完整的结构元素的形状。如果提供了足迹或结构，则可选。

footprint： 整数数组，可选

用于灰度侵蚀的平面结构元素的非无限元素的位置。非零值给出了选择最小值的中心的一组邻居。

structure： 整数数组，可选

用于灰度侵蚀的结构化元素。结构可以是非平面结构元素。

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。默认为‘reflect’

cval： 标量，可选

如果模式为‘constant’，则填充过去输入边的值。默认值为 0.0。

origin： 标量，可选

origin 参数控制过滤器的位置。默认 0

返回 ：：

output： ndarray

输入的灰度侵蚀。

注意：

在域 E 上定义的结构元素 s 对图像输入的灰度侵蚀由下式给出：

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

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

灰度侵蚀[1]是一个数学形态学操作[2].

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, 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]])