scipy.ndimage.

grey_closing#

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

Mehrdimensionale Graustufen-Schließung.

Eine Graustufen-Schließung besteht aus der Abfolge einer Graustufen-Dilatation und einer Graustufen-Erosion.

Parameter:
inputarray_like

Array, über das die Graustufen-Schließung berechnet werden soll.

sizetuple of ints

Form eines flachen und vollständigen Strukturierungselements, das für die Graustufen-Schließung verwendet wird. Optional, wenn footprint oder structure angegeben sind.

footprintarray of ints, optional

Positionen von nicht-unendlichen Elementen eines flachen Strukturierungselements, das für die Graustufen-Schließung verwendet wird.

structurearray of ints, optional

Strukturierungselement, das für die Graustufen-Schließung verwendet wird. structure kann ein nicht-flaches Strukturierungselement sein. Das Array structure wendet Offsets auf die Pixel in einer Nachbarschaft an (der Offset ist bei der Dilatation additiv und bei der Erosion subtraktiv).

outputarray, optional

Ein Array zur Speicherung der Ausgabe der Schließung 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:
grey_closingndarray

Ergebnis der Graustufen-Schließung von input mit structure.

Hinweise

Die Wirkung einer Graustufen-Schließung mit einem flachen Strukturierungselement besteht darin, tiefe lokale Minima zu glätten, während eine binäre Schließung kleine Löcher füllt.

Referenzen

Beispiele

>>> from scipy import ndimage
>>> import numpy as np
>>> a = np.arange(36).reshape((6,6))
>>> a[3,3] = 0
>>> a
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20,  0, 22, 23],
       [24, 25, 26, 27, 28, 29],
       [30, 31, 32, 33, 34, 35]])
>>> ndimage.grey_closing(a, size=(3,3))
array([[ 7,  7,  8,  9, 10, 11],
       [ 7,  7,  8,  9, 10, 11],
       [13, 13, 14, 15, 16, 17],
       [19, 19, 20, 20, 22, 23],
       [25, 25, 26, 27, 28, 29],
       [31, 31, 32, 33, 34, 35]])
>>> # Note that the local minimum a[3,3] has disappeared