Python基本形态学滤波怎么实现
本文小编为大家详细介绍“Python基本形态学滤波怎么实现”，内容详细，步骤清晰，细节处理妥当，希望这篇“Python基本形态学滤波怎么实现”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。
最基础的形态学操作有四个，分别是腐蚀、膨胀、开计算和闭计算，`scipy.ndimage分别实现了二值数组和灰度数组的这四种运算
| 二值 | 灰度 | |
|---|---|---|
| binary_erosion | grey_erosion | 腐蚀 |
| binary_dilation | grey_dilation | 膨胀 |
| binary_closing | grey_closing | 闭(先膨胀后腐蚀) |
| binary_opening | grey_opening | 开(先腐蚀后膨胀) |
二值形态学
所谓腐蚀，用数学符号表示为
其中Bij表示当B BB的原点在(i,j)处时，B中所有为1的值的集合。
这个式子的意思是，用结构B腐蚀A，当B的原点平移到图像A的像元(i,j)时，若B完全被二者的重叠区域所包围，则赋值为1，否则赋值为0。更直观的例子是，如果B中为1的元素位置上，对应的A的像素值也都为1，则(i,j)处为1。
膨胀则与之相反，可表示为
换言之，只要B和A的重叠区域不是空集，那么(i,j)点就置为1。
举个例子如下
import numpy as np
import matplotlib.pyplot as plt
import scipy.ndimage as sn
x = np.zeros([20,20])
x[5:15, 5:15] = 1
x_ero = sn.binary_erosion(x)
x_dil = sn.binary_dilation(x)
fig = plt.figure()
ax = fig.add_subplot(1,3,1)
ax.imshow(x)
plt.title("original")
ax = fig.add_subplot(1,3,2)
ax.imshow(x_ero)
plt.title("erosion")
ax = fig.add_subplot(1,3,3)
ax.imshow(x_dil)
plt.title("dilation")
plt.show()效果如下
开运算是先腐蚀后膨胀；闭运算是先膨胀后腐蚀，示例如下
x = np.zeros([20,20])
x[5:15, 5:15] = 1
x[10:12,10:12] = 0
x[2:4, 2:4] = 1
x_open = sn.binary_opening(x)
x_close = sn.binary_closing(x)
fig = plt.figure()
ax = fig.add_subplot(1,3,1)
ax.imshow(x)
plt.title("original")
ax = fig.add_subplot(1,3,2)
ax.imshow(x_open)
plt.title("opening")
ax = fig.add_subplot(1,3,3)
ax.imshow(x_close)
plt.title("closing")
plt.show()效果如下，可见开运算会去除孤立的1，闭运算会去除孤立的0。
灰度形态学
灰度图像的腐蚀、膨胀以及开闭运算，是其二值形势下的一个扩展，采用了类似卷积的逻辑，下面直接从scipy中调取楼梯图片，并依次做腐蚀、膨胀以及开闭操作。
from scipy.misc import ascent
img = ascent()
funcs = {
"original": lambda x, tmp:x,
"erosion" : sn.grey_erosion,
"dilation" : sn.grey_dilation,
"opening" : sn.grey_opening,
"closing" : sn.grey_closing
}
fig = plt.figure()
for i, key in enumerate(funcs):
ax = fig.add_subplot(2,3,i+1)
plt.imshow(funcs[key](img, (10,10)), cmap=plt.cm.gray)
plt.title(key)
plt.show()参数列表
二值函数和灰度函数的参数并不相同，下面以closing运算为例，二值和灰度函数的所有参数，除了输入input之外，二者共有的参数有
structure 为数组类型，表示构造元素，可以理解为是卷积模板
output 与输入相同维度的数组，可以存下结果
orgin 过滤器设置，默认为0
二值形态学滤波的其他参数如下
binary_closing(input, iterations=1, mask=None, border_value=0, brute_force=False)
其中
iterations 执行次数
mask 掩模数组，为bool类型的数组，对应False的位置将不会改变
border_value 边缘处的值
brute_force 如果为False，则只有上次迭代中发生变化的值才会更新
grey_closing(input, size=None, footprint=None, mode='reflect', cval=0.0)
size 为滤波模板
mode 可选reflect,constant,nearest,mirror, wrap，边缘填充方式
cval 边缘填充值
读到这里，这篇“Python基本形态学滤波怎么实现”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注蜗牛博客行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：niceseo99@gmail.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
评论