scipy.ndimage.

binary_hit_or_miss#

scipy.ndimage.binary_hit_or_miss(входные данные, structure1=None, structure2=None, вывод=None, origin1=0, origin2=None, *, оси=None)[источник]#

Многомерное бинарное преобразование «попадание или промах».

Преобразование "попадание-промах" находит местоположения заданного шаблона внутри входного изображения.

Параметры:

входные данныеarray_like (приводится к булевым значениям): Бинарное изображение, в котором нужно обнаружить шаблон.
structure1array_like (приводится к булевым значениям), опционально: Часть структурирующего элемента, которая должна быть подогнана к переднему плану (ненулевым элементам) входные данные. Если значение не указано, выбирается структура квадратной связности 1.
structure2array_like (приводится к булевым значениям), опционально: Вторая часть структурирующего элемента, которая должна полностью отсутствовать на переднем плане. Если значение не предоставлено, используется дополнение structure1 берётся.
выводndarray, необязательно: Массив той же формы, что и входной, в который помещается результат. По умолчанию создаётся новый массив.
origin1int или кортеж ints, опционально: Размещение первой части структурирующего элемента structure1, по умолчанию 0 для центрированной структуры.
origin2int или кортеж ints, опционально: Размещение второй части структурирующего элемента structure2, по умолчанию 0 для центрированной структуры. Если указано значение для origin1 и не для origin2, затем origin2 установлено в origin1.
осикортеж int или None: Оси, по которым применяется фильтр. Если None, входные данные фильтруется по всем осям. Если origin1 или origin2 если предоставлены кортежи, их длина должна соответствовать количеству осей.

Возвращает:

binary_hit_or_missndarray: Преобразование "попадание или промах" для входные данные с заданным структурирующим элементом (structure1, structure2).

Смотрите также

binary_erosion

Ссылки

[1]

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

Примеры

>>> 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]])