scipy.ndimage.

black_tophat

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

多维黑帽滤波器。

参数:

输入array_like

输入。

大小整数元组，可选

用于过滤器的平面和完整结构元素的形状。如果提供了 footprint 或 structure，则为可选。

足迹整数数组，可选

用于黑帽滤波器的扁平结构元素中非无限元素的位置。

结构整数数组，可选

用于过滤的结构化元素。structure 可能是一个非平面的结构化元素。structure 数组对邻域中的像素应用偏移量（在膨胀期间偏移量是加性的，在腐蚀期间是减性的）

输出数组，可选

可以提供一个数组来存储过滤器的输出。

模式{‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’}，可选

mode 参数决定了数组边界的处理方式，其中 cval 是当 mode 等于 ‘constant’ 时的值。默认是 ‘reflect’。

cval标量，可选

如果 mode 是 ‘constant’，则用于填充输入边缘之外的值。默认值为 0.0。

起源标量，可选

origin 参数控制过滤器的放置位置。默认值为 0

返回:

black_tophatndarray

使用 structure 过滤 input 的结果。

参见

white_tophat, grey_opening, grey_closing

示例

Try it in your browser!

将暗峰变为亮峰并减去背景。

>>> from scipy.ndimage import generate_binary_structure, black_tophat
>>> import numpy as np
>>> 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]])

Go BackOpen In Tab