scipy.ndimage.

binary_dilation

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

使用给定的结构元素进行多维二值膨胀。

参数:

输入array_like

要膨胀的二进制类数组。非零（True）元素形成要膨胀的子集。

结构类似数组, 可选

用于膨胀的结构元素。非零元素被视为 True。如果没有提供结构元素，则会生成一个连接性等于一的方形元素。

迭代int, 可选

膨胀操作重复 iterations 次（默认一次）。如果 iterations 小于 1，膨胀操作会一直重复直到结果不再变化。只接受整数形式的 iterations。

掩码类似数组, 可选

如果给定了掩码，则每次迭代时仅修改掩码元素对应位置为 True 的那些元素。

输出ndarray，可选

与输入形状相同的数组，输出将被放置在其中。默认情况下，会创建一个新数组。

border_valueint (转换为 0 或 1), 可选

输出数组边界处的值。

起源int 或 int 的元组，可选

过滤器的放置位置，默认值为 0。

brute_force布尔值，可选

内存条件：如果为 False，则仅跟踪在上一次迭代中值发生变化的像素作为当前迭代中要更新（膨胀）的候选像素；如果为 True，则无论上一次迭代中发生了什么，所有像素都被视为膨胀的候选像素。默认为 False。

返回:

binary_dilation布尔类型的 ndarray

通过结构元素对输入进行膨胀。

参见

grey_dilation, binary_erosion, binary_closing, binary_opening

generate_binary_structure

注释

膨胀 [1] 是一种数学形态学操作 [2] ，它使用结构元素来扩展图像中的形状。通过结构元素对图像进行二值膨胀操作，是当结构元素的中心位于图像的非零点时，结构元素覆盖的点的轨迹。

参考文献

[1]

https://zh.wikipedia.org/wiki/膨胀_(形态学)

[2]

https://en.wikipedia.org/wiki/数学形态学

示例

Try it in your browser!

>>> from scipy import ndimage
>>> import numpy as np
>>> a = np.zeros((5, 5))
>>> a[2, 2] = 1
>>> a
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(a)
array([[False, False, False, False, False],
       [False, False,  True, False, False],
       [False,  True,  True,  True, False],
       [False, False,  True, False, False],
       [False, False, False, False, False]], dtype=bool)
>>> ndimage.binary_dilation(a).astype(a.dtype)
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.]])
>>> # 3x3 structuring element with connectivity 1, used by default
>>> struct1 = ndimage.generate_binary_structure(2, 1)
>>> struct1
array([[False,  True, False],
       [ True,  True,  True],
       [False,  True, False]], dtype=bool)
>>> # 3x3 structuring element with connectivity 2
>>> struct2 = ndimage.generate_binary_structure(2, 2)
>>> struct2
array([[ True,  True,  True],
       [ True,  True,  True],
       [ True,  True,  True]], dtype=bool)
>>> ndimage.binary_dilation(a, structure=struct1).astype(a.dtype)
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.]])
>>> ndimage.binary_dilation(a, structure=struct2).astype(a.dtype)
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.]])
>>> ndimage.binary_dilation(a, structure=struct1,\
... iterations=2).astype(a.dtype)
array([[ 0.,  0.,  1.,  0.,  0.],
       [ 0.,  1.,  1.,  1.,  0.],
       [ 1.,  1.,  1.,  1.,  1.],
       [ 0.,  1.,  1.,  1.,  0.],
       [ 0.,  0.,  1.,  0.,  0.]])

Go BackOpen In Tab