Python SciPy ndimage.binary_opening用法及代碼示例

本文簡要介紹 python 語言中 scipy.ndimage.binary_opening 的用法。

用法:

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

具有給定結構元素的多維二進製打開。

結構元素對輸入圖像的打開是結構元素對圖像的腐蝕的膨脹。

參數 ：：

input： array_like

要打開的二進製數組。非零 (True) 元素構成要打開的子集。

structure： 數組，可選

用於開口的結構元素。非零元素被認為是 True。如果沒有提供結構元素，則生成一個正方形連通性等於 1 的元素(即，隻有最近的鄰居連接到中心，diagonally-connected 元素不被視為鄰居)。

iterations： 整數，可選

開孔的腐蝕步驟，然後是膨脹步驟都是重複的迭代次數(默認為一次)。如果迭代次數小於 1，則重複每個操作，直到結果不再變化。隻接受整數次迭代。

output： ndarray，可選

與輸入形狀相同的數組，其中放置輸出。默認情況下，會創建一個新數組。

origin： int 或整數元組，可選

過濾器的位置，默認為 0。

mask： 數組，可選

如果給定掩碼，則每次迭代時僅修改在相應掩碼元素處具有 True 值的那些元素。

border_value： int(強製轉換為 0 或 1)，可選

輸出數組中邊界處的值。

brute_force： 布爾值，可選

memory 條件：如果為False，則隻跟蹤上次迭代中值發生變化的像素作為本次迭代更新的候選；如果為真，則所有像素都被視為更新的候選對象，而不管前一次迭代中發生了什麽。默認為假。

返回 ：：

binary_opening： 布爾數組

通過結構元素打開輸入。

注意：

開幕式 [1]是數學形態學運算[2]這包括具有相同結構元素的輸入的腐蝕和膨脹的連續性。因此，打開會刪除小於結構元素的對象。

和...一起關閉(scipy.ndimage.binary_closing)，開口可用於去噪。

參考：

[1]

https://en.wikipedia.org/wiki/Opening_%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[1:4, 1:4] = 1; a[4, 4] = 1
>>> a
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, 1]])
>>> # Opening removes small objects
>>> ndimage.binary_opening(a, structure=np.ones((3,3))).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]])
>>> # Opening can also smooth corners
>>> ndimage.binary_opening(a).astype(int)
array([[0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [0, 1, 1, 1, 0],
       [0, 0, 1, 0, 0],
       [0, 0, 0, 0, 0]])
>>> # Opening is the dilation of the erosion of the input
>>> ndimage.binary_erosion(a).astype(int)
array([[0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0]])
>>> ndimage.binary_dilation(ndimage.binary_erosion(a)).astype(int)
array([[0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [0, 1, 1, 1, 0],
       [0, 0, 1, 0, 0],
       [0, 0, 0, 0, 0]])