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][源代码]#

使用结构元素或对应于平面结构元素的足迹计算灰度腐蚀。

灰度腐蚀是一种数学形态学操作。对于完全和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小滤波器。

参数:
输入array_like

要计算灰度腐蚀的数组。

大小整数元组

用于灰度腐蚀的平面和完整结构元素的形状。如果提供了 footprint 或 structure，则此项可选。

足迹整数数组，可选

用于灰度腐蚀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小值。

结构整数数组，可选

用于灰度腐蚀的结构化元素。structure 可能是一个非平面结构化元素。structure 数组对邻域中的每个像素应用一个减法偏移。

输出数组，可选

可以提供一个数组用于存储腐蚀操作的输出。

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:
输出ndarray

input 的灰度腐蚀。

参见

binary_erosion, grey_dilation, grey_opening, grey_closing
generate_binary_structure, minimum_filter

注释

图像输入的灰度腐蚀，通过定义在域 E 上的结构元素 s 给出，如下所示：

(input+s)(x) = min {input(y) - s(x-y), for y in E}

特别是，对于结构元素定义为 s(y) = 0 对于 y 在 E 中，灰度腐蚀计算输入图像在由 E 定义的滑动窗口内的最小值。

灰度腐蚀 [1] 是一个 数学形态学 操作 [2]。

参考文献

[2]

https://en.wikipedia.org/wiki/数学形态学

示例

>>> from scipy import ndimage
>>> import numpy as np
>>> 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, 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]])
On this page