scipy.ndimage.grey_erosion¶

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

使用结构元素或与平面结构元素对应的示意图计算灰度侵蚀。

灰度侵蚀是一种数学形态学运算。对于完整扁平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。

参数

inputarray_like: 要在其上计算灰度侵蚀的数组。
size整数元组: 用于灰度侵蚀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。非零值给出了中心的邻居集合，在该集合上选择最小值。
structure整型数组，可选: 用于灰度侵蚀的结构元素。 structure 可以是非平坦的结构元素。
output数组，可选: 可以提供用于存储侵蚀输出的阵列。
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

outputndarray: 灰阶侵蚀 input 。

参见

binary_erosion, grey_dilation, grey_opening, grey_closing
generate_binary_structure, minimum_filter

注意事项

由在域E上定义的结构元素s输入的图像的灰度侵蚀由下式给出：

(输入+s)(X)=min{输入(Y)-s(x-y)，对于E中的y}

具体地，对于对于E中的y定义为s(Y)=0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。

灰阶侵蚀 [1] 是一种 数学形态学 运营 [2].

参考文献

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

示例

>>> from scipy import ndimage
>>> 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, size=(3,3), 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]])

scipy.ndimage.grey_dilation

scipy.ndimage.grey_opening