scipy.ndimage.

binary_hit_or_miss#

scipy.ndimage.binary_hit_or_miss(input, structure1=None, structure2=None, output=None, origin1=0, origin2=None)[源代码][源代码]#

多维二进制命中或未命中变换。

击中或未击中变换用于在输入图像中找到给定模式的位置。

参数:

输入类数组（转换为布尔值）: 要检测图案的二值图像。
结构1array_like（转换为布尔值），可选: 要拟合到 input 前景（非零元素）的结构化元素的一部分。如果没有提供值，则选择一个正方形连接性为1的结构。
structure2array_like（转换为布尔值），可选: 结构元素的第二部分，必须完全错过前景。如果没有提供值，则采用 structure1 的补集。
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。
origin1int 或 int 的元组，可选: 结构元素 structure1 的第一部分的放置位置，默认值为 0，表示居中结构。
origin2int 或 int 的元组，可选: 结构元素 structure2 的第二部分的放置位置，默认值为0表示居中结构。如果为 origin1 提供了值而没有为 origin2 提供值，则 origin2 被设置为 origin1。

返回:

二进制命中或未命中ndarray: 使用给定的结构元素 (structure1, structure2) 对 input 进行命中或未命中变换。

参见

binary_erosion

参考文献

[1]

https://en.wikipedia.org/wiki/Hit-or-miss_transform

示例

>>> from scipy import ndimage
>>> import numpy as np
>>> a = np.zeros((7,7), dtype=int)
>>> a[1, 1] = 1; a[2:4, 2:4] = 1; a[4:6, 4:6] = 1
>>> a
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 1, 0, 0, 0, 0, 0],
       [0, 0, 1, 1, 0, 0, 0],
       [0, 0, 1, 1, 0, 0, 0],
       [0, 0, 0, 0, 1, 1, 0],
       [0, 0, 0, 0, 1, 1, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> structure1 = np.array([[1, 0, 0], [0, 1, 1], [0, 1, 1]])
>>> structure1
array([[1, 0, 0],
       [0, 1, 1],
       [0, 1, 1]])
>>> # Find the matches of structure1 in the array a
>>> ndimage.binary_hit_or_miss(a, structure1=structure1).astype(int)
array([[0, 0, 0, 0, 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, 0, 0, 0, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> # Change the origin of the filter
>>> # origin1=1 is equivalent to origin1=(1,1) here
>>> ndimage.binary_hit_or_miss(a, structure1=structure1,\
... origin1=1).astype(int)
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 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, 0, 0, 0, 1, 0],
       [0, 0, 0, 0, 0, 0, 0]])