scipy.ndimage.

black_tophat#

scipy.ndimage.black_tophat(input, size=None, footprint=None, structure=None, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)[Quelle]#

Mehrdimensionaler Black Tophat-Filter.

Parameter:

inputarray_like: Eingabe.
sizetuple von ints, optional: Form eines flachen und vollständigen Strukturierungselements, das für den Filter verwendet wird. Optional, wenn footprint oder structure angegeben ist.
footprintarray of ints, optional: Positionen von Nicht-Unendlich-Elementen eines flachen Strukturierungselements, das für den Black Tophat-Filter verwendet wird.
structurearray of ints, optional: Strukturierungselement, das für den Filter verwendet wird. structure kann ein nicht-flaches Strukturierungselement sein. Das Array structure wendet Offsets auf die Pixel in einer Nachbarschaft an (der Offset wird bei der Dilatation addiert und bei der Erosion subtrahiert).
outputarray, optional: Ein Array zur Speicherung der Ausgabe des Filters kann bereitgestellt werden.
mode{‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’}, optional: Der Parameter mode bestimmt, wie die Array-Ränder behandelt werden, wobei cval der Wert ist, wenn mode gleich ‘constant’ ist. Standard ist ‘reflect’
cvalskalar, optional: Wert, mit dem die Ränder der Eingabe gefüllt werden, wenn mode ‘constant’ ist. Standard ist 0.0.
originscalar, optional: Der Parameter origin steuert die Platzierung des Filters. Standard ist 0
axestuple von int oder None: Die Achsen, über die der Filter angewendet wird. Wenn None, wird input über alle Achsen gefiltert. Wenn ein origin-Tupel angegeben wird, muss seine Länge mit der Anzahl der Achsen übereinstimmen.

Rückgabe:

black_tophatndarray: Ergebnis des Filters von input mit structure.

Siehe auch

white_tophat, grey_opening, grey_closing

Beispiele

Dunkle Spitzen in helle Spitzen umwandeln und den Hintergrund subtrahieren.

>>> 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]])