scipy.ndimage.

grey_dilation

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

计算灰度膨胀，使用结构元素或与平面结构元素对应的足迹。

灰度膨胀是一种数学形态学操作。对于完整且平坦的结构元素的简单情况，它可以被视为滑动窗口上的最大滤波器。

参数:

输入array_like

要计算灰度膨胀的数组。

大小整数元组

用于灰度膨胀的扁平且完整的结构元素的形状。如果提供了 footprint 或 structure，则为可选。

足迹整数数组，可选

用于灰度膨胀的平面结构元素中非无穷大元素的位置。非零值给出了中心点的邻居集合，在这些邻居中选择最大值。

结构整数数组，可选

用于灰度膨胀的结构化元素。structure 可能是一个非平面结构化元素。structure 数组为邻域中的每个像素应用一个加性偏移。

输出数组，可选

可以提供一个数组用于存储膨胀操作的输出。

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:

grey_dilationndarray

input 的灰度膨胀。

参见

binary_dilation, grey_erosion, grey_closing, grey_opening

generate_binary_structure, maximum_filter

注释

图像输入的灰度膨胀由定义在域 E 上的结构元素 s 给出：

(input+s)(x) = max {input(y) + s(x-y), 对于 y 在 E 中}

特别是，对于结构元素定义为 s(y) = 0 对于 y 在 E 中，灰度膨胀计算输入图像在由 E 定义的滑动窗口内的最大值。

灰度膨胀 [1] 是一个 数学形态学 操作 [2]。

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((7,7), dtype=int)
>>> a[2:5, 2:5] = 1
>>> a[4,4] = 2; a[2,3] = 3
>>> a
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 3, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 2, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> ndimage.grey_dilation(a, size=(3,3))
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 1, 3, 3, 3, 1, 0],
       [0, 1, 3, 3, 3, 1, 0],
       [0, 1, 3, 3, 3, 2, 0],
       [0, 1, 1, 2, 2, 2, 0],
       [0, 1, 1, 2, 2, 2, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> ndimage.grey_dilation(a, footprint=np.ones((3,3)))
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 1, 3, 3, 3, 1, 0],
       [0, 1, 3, 3, 3, 1, 0],
       [0, 1, 3, 3, 3, 2, 0],
       [0, 1, 1, 2, 2, 2, 0],
       [0, 1, 1, 2, 2, 2, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> s = ndimage.generate_binary_structure(2,1)
>>> s
array([[False,  True, False],
       [ True,  True,  True],
       [False,  True, False]], dtype=bool)
>>> ndimage.grey_dilation(a, footprint=s)
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 3, 1, 0, 0],
       [0, 1, 3, 3, 3, 1, 0],
       [0, 1, 1, 3, 2, 1, 0],
       [0, 1, 1, 2, 2, 2, 0],
       [0, 0, 1, 1, 2, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> ndimage.grey_dilation(a, size=(3,3), structure=np.ones((3,3)))
array([[1, 1, 1, 1, 1, 1, 1],
       [1, 2, 4, 4, 4, 2, 1],
       [1, 2, 4, 4, 4, 2, 1],
       [1, 2, 4, 4, 4, 3, 1],
       [1, 2, 2, 3, 3, 3, 1],
       [1, 2, 2, 3, 3, 3, 1],
       [1, 1, 1, 1, 1, 1, 1]])

Go BackOpen In Tab