Scipy.ndimage库 |
您所在的位置：网站首页 › python图片处理模块 › Scipy.ndimage库 |
Scipy.ndimage库
|
Scipy---是一个用于数学/科学/工程领域的常用软件包，可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。
模块名 应用领域 模块名 应用领域 scipy.cluster 向量计算/Kmeans scipy.odr 正交距离回归 scipy.constants 物理和数学常量 scipy.optimize 优化 scipy.fftpack 傅立叶变换 scipy.signal 信号处理 scipy.integrate 积分程序 scipy.sparse 稀疏矩阵 scipy.interpolate 插值 scipy.spatial 空间数据结构和算法 scipy.io 数据输入输出 scipy.special 一些特殊的数学函数 scipy.linalg 线性代数程序 scipy.stats 统计 scipy.ndimage n维图像包 重点学习：Scipy.ndimage---Multi-dimensional image processing(多维图像处理包)----该包包含用于多维图像处理的各种功能。其中包括以下几个模块： Filters：过滤器Fourier filters：傅里叶滤波器Interpolation：图像的插值、旋转以及仿射变换Measurements：图像相关信息的测量Morphology：形态学图像处理scipy.ndimage只提供了一些基础的图像处理功能。还有一些更强大的图像处理库。例如：更大的图像处理库如下： Opencv：它是使用C/C++开发的计算机视觉库；SimpleCV：对多个计算机视觉库进行包装，提供了一套更方便、统一的Python调用接口；scikit-image：采用Python开发的图像处理库，高速运算部分多采用Cython编写；Mahotas：采用Python和C++开发的图像处理库；后续将针对形态学图像处理进行介绍： 一、膨胀学习地址：https://blog.csdn.net/songchunxiao1991/article/details/88310777 二、腐蚀学习地址：https://blog.csdn.net/songchunxiao1991/article/details/88530915 三、闭运算scipy.ndimage.binary_closing(input, structure=None, iterations=1, output=None, origin=0, mask=None, border_value=0, brute_force=False) 描述：先膨胀后腐蚀，用法和参数描述与膨胀和腐蚀是一样的； 四、开运算scipy.ndimage.binary_opening(input, structure=None, iterations=1, output=None, origin=0, mask=None, border_value=0, brute_force=False) 描述：先腐蚀后膨胀，用法和参数描述用法与膨胀和腐蚀是一样的； Tip1:为二进制形态运算生成二进制结构scipy.ndimage.generate_binary_structure(rank, connectivity) 参数: rank：整型---np.dim返回的机构元素将应用于数组的维数；connectivity：整型---连接确定输出数组的哪些元素属于该结构，即被认为是中心元素的邻居。 距离中心的连接平方距离的元素被认为是邻居。 连接的范围可以从1（没有对角元素是邻居）到排名（所有元素都是邻居）。Note：generate_binary_structure只能创建尺寸等于3的结构元素，即最小尺寸。 对于较大的结构元素，这是有用的，例如 对于侵蚀大型对象，可以使用iterate_structure，也可以直接创建具有numpy函数的自定义数组，例如numpy.ones。
scipy.ndimage.grey_dilation(input, size=None, footprint=None, structure=None, output=None, mode='reflect', cval=0.0, origin=0) 描述：灰度膨胀是一种数学形态学运算。 对于完整且扁平的结构元素的简单情况，可以将其视为滑动窗口上的最大滤波器。（通俗理解，就是对灰度矩阵进行膨胀，即矩阵中的元素除0,1之外还有2,3...等其他的元素） 参数： input：灰度图像矩阵；size：类型：tuple of ints（整型元组）---用于灰度扩张的扁平和完整结构元素的形状。footprint : 类型：array of ints（整型矩阵）---用于灰度扩张的扁平结构元素的非无限元素的位置。 非零值给出中心的邻居集合，在该邻居上选择最大值；structure：类型：array of ints（整型矩阵）---用于灰度膨胀的结构元素。 结构可以是非平坦的结构元素；output：类型：array（矩阵)---可以提供用于存储扩张输出的阵列；mode：{'reflect'，'constant'，'nearest'，'mirror'，'wrap'}---mode参数确定如何处理数组边界，默认为：‘reflect’；cval：类型：scal（标量）---如果模式为“常量”，则填充输入的过去的边缘值，默认值为“0.0”；origin：类型：scal（标量）---origin参数控制过滤器的位置。 默认值为0；返回值：Grayscale dilation of input.（灰度图像矩阵） Note：与二进制的膨胀/腐蚀/开运算/闭运算相类似，灰度的膨胀/腐蚀/开运算/闭运算之间的用法及参数描述是一样的。 六、孔洞填充学习地址：https://blog.csdn.net/songchunxiao1991/article/details/88530995 七、旋转学习地址：https://blog.csdn.net/songchunxiao1991/article/details/88531086 八、缩放学习地址：https://blog.csdn.net/songchunxiao1991/article/details/88531086 九、Hit和MissHit和Miss是二值形态学图像处理中最基本的运算，因为几乎所有的其他的运算都可以用Hit和Miss的组合推演出来。它对图像中的每个像素周围的像素进行模式判断，如果周围像素的黑白模式符合指定的模式，将此像素设为白色，否则设置为黑色。因为，它需要同时对白色和黑色像素进行判断，因此需要指定两个结构元素。 binary_hit_or_miss（input [structure1，structure2]）其中，structure1参数指定白色像素的结构元素，structure2参数则指定黑色像素的结构元素。 |
【本文地址】
今日新闻 |
推荐新闻 |