scipy.ndimage.

binary_hit_or_miss#

scipy.ndimage.binary_hit_or_miss(input, structure1=None, structure2=None, output=None, origin1=0, origin2=None, *, axes=None)[source]#

多維二元擊中或錯失變換。

擊中或錯失變換會在輸入影像中找到給定樣式的位置。

參數:

inputarray_like (轉換為布林值): 要偵測樣式的二元影像。
structure1array_like (轉換為布林值)，選用: 結構元素的其中一部分，要擬合到 input 的前景（非零元素）。如果未提供值，則會選擇連通性為 1 的方形結構。
structure2array_like (轉換為布林值)，選用: 結構元素的第二部分，必須完全錯失前景。如果未提供值，則會採用 structure1 的互補結構。
outputndarray，選用: 與輸入形狀相同的陣列，輸出會放置到其中。預設情況下，會建立一個新陣列。
origin1int 或 int 元組，選用: 結構元素 structure1 第一部分的放置位置，預設情況下，中心結構為 0。
origin2int 或 int 元組，選用: 結構元素 structure2 第二部分的放置位置，預設情況下，中心結構為 0。如果為 origin1 提供值，而未為 origin2 提供值，則 origin2 會設定為 origin1。
axesint 元組或 None: 要套用篩選器的軸。如果為 None，則會沿所有軸篩選 input。如果提供 origin1 或 origin2 元組，則其長度必須與軸數相符。

返回:

binary_hit_or_missndarray: 使用給定結構元素 (structure1、structure2) 的 input 的擊中或錯失變換。

另請參閱

binary_erosion

參考文獻

[1]

https://en.wikipedia.org/wiki/Hit-or-miss_transform

範例

>>> from scipy import ndimage
>>> import numpy as np
>>> a = np.zeros((7,7), dtype=int)
>>> a[1, 1] = 1; a[2:4, 2:4] = 1; a[4:6, 4:6] = 1
>>> a
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 1, 0, 0, 0, 0, 0],
       [0, 0, 1, 1, 0, 0, 0],
       [0, 0, 1, 1, 0, 0, 0],
       [0, 0, 0, 0, 1, 1, 0],
       [0, 0, 0, 0, 1, 1, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> structure1 = np.array([[1, 0, 0], [0, 1, 1], [0, 1, 1]])
>>> structure1
array([[1, 0, 0],
       [0, 1, 1],
       [0, 1, 1]])
>>> # Find the matches of structure1 in the array a
>>> ndimage.binary_hit_or_miss(a, structure1=structure1).astype(int)
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])
>>> # Change the origin of the filter
>>> # origin1=1 is equivalent to origin1=(1,1) here
>>> ndimage.binary_hit_or_miss(a, structure1=structure1,\
... origin1=1).astype(int)
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 0],
       [0, 0, 0, 0, 0, 0, 0]])