Python skimage.filters.rank.sum_bilateral用法及代码示例

用法: skimage.filters.rank.sum_bilateral(image, footprint, out=None, mask=None, shift_x=False, shift_y=False, s0=10, s1=10)

应用平面内核双边滤波器。

这是一个edge-preserving 和降噪降噪滤波器。它根据像素的空间接近度和辐射相似性对像素进行平均。

通过仅考虑由足迹(结构元素)给出的局部像素邻域来测量空间接近度。

辐射相似度由灰度区间 [g-s0, g+s1] 定义，其中 g 是当前像素灰度。

只有属于足迹且在此间隔内具有灰度级的像素才会被求和。

请注意，根据输入数组的数据类型，总和可能会溢出。

参数：

image：二维数组(uint8，uint16): 输入图像。
footprint：二维阵列: 邻域表示为 1 和 0 的二维数组。
out：二维数组(与输入相同的 dtype): 如果没有，则分配一个新数组。
mask：ndarray: 定义包含在本地邻域中的图像的 (>0) 区域的掩码数组。如果没有，则使用完整的图像(默认)。
shift_x, shift_y：int: 添加到封装中心点的偏移量。 Shift 受限于封装尺寸(中心必须在给定封装内)。
s0, s1：int: 围绕中心像素的灰度值定义 [s0, s1] 区间，以计算该值。

out：二维数组(与输入图像相同的 dtype): 输出图像。

其他参数：

selem：DEPRECATED: 已弃用以支持足迹。

例子：

>>> import numpy as np
>>> from skimage import data
>>> from skimage.morphology import disk
>>> from skimage.filters.rank import sum_bilateral
>>> img = data.camera().astype(np.uint16)
>>> bilat_img = sum_bilateral(img, disk(10), s0=10, s1=10)

相关用法

注：本文由纯净天空筛选整理自scikit-image.org大神的英文原创作品 skimage.filters.rank.sum_bilateral。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

其他参数：

例子：