scipy.ndimage.black_tophat¶

scipy.ndimage.black_tophat(input, size=None, footprint=None, structure=None, output=None, mode='reflect', cval=0.0, origin=0)[源代码]¶

多维黑大头帽过滤。

参数

inputarray_like: 输入。
size整型元组，可选: 用于过滤的扁平且完整的结构元素的形状。在以下情况下可选 footprint 或 structure 是提供的。
footprint整型数组，可选: 用于黑大帽过滤的平面结构元素的非无限元素的位置。
structure整型数组，可选: 用于过滤的结构元素。 structure 可以是非平坦的结构元素。
output数组，可选: 可以提供用于存储过滤的输出的阵列。
mode{‘反射’，‘常量’，‘最近’，‘镜像’，‘换行’}，可选: 这个 mode 参数确定如何处理数组边框， cval 模式等于‘Constant’时的值。默认值为‘Reflect’
cval标量，可选: 在以下情况下填充输入的过去边缘的值 mode 是“恒定的”。默认值为0.0。
origin标量，可选: 这个 origin 参数控制过滤的位置。默认%0

退货

black_tophatndarray: 中欧共建“过滤”的成果 input 使用 structure 。

参见

white_tophat, grey_opening, grey_closing

示例

变暗峰为亮峰，减去背景。

>>> from scipy.ndimage import generate_binary_structure, black_tophat
>>> square = generate_binary_structure(rank=2, connectivity=3)
>>> dark_on_gray = np.array([[7, 6, 6, 6, 7],
...                          [6, 5, 4, 5, 6],
...                          [6, 4, 0, 4, 6],
...                          [6, 5, 4, 5, 6],
...                          [7, 6, 6, 6, 7]])
>>> black_tophat(input=dark_on_gray, structure=square)
array([[0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [0, 1, 5, 1, 0],
       [0, 0, 1, 0, 0],
       [0, 0, 0, 0, 0]])

scipy.ndimage.binary_propagation

scipy.ndimage.distance_transform_bf