如何通过Scipy修改结构元实现LiDAR高程数组的单向腐蚀？

我有一个来自.tif格式LiDAR表面的高程数组，示例数组如下：

Existing_example_arrayV0 = [[ 0, 0, 1, 0, 0, 0, 0], 
                            [ 0, 1, 1, 1, 0, 0, 0], 
                            [ 0, 1, 1, 1, 1, 0, 0], 
                            [ 1, 1, 1, 1, 1, 0, 0], 
                            [ 0, 1, 1, 1, 1, 0, 0], 
                            [ 0, 1, 1, 0, 0, 0, 0]]

以下代码会从所有方向均匀腐蚀图像：

for i in range(0, 1):  
    erosion_mask = binary_erosion(Existing_example_arrayV0 >= 100, structure=np.ones((3, 3)), iterations=i)
    Existing_example_arrayV0[erosion_mask] += 100

Proposed_example_array = [[ 0,  0,   1,   0,   0,  0, 0], 
                          [ 0,  1,  101,  1,   0,  0, 0], 
                          [ 0,  1,  101, 101,  1,  0, 0], 
                          [ 1, 100, 101, 101,  1,  0, 0], 
                          [ 0,  1,  101, 101,  1,  0, 0], 
                          [ 0,  1,   1,   0,   0,  0, 0]]

能否修改结构元，仅从单一方向（左侧或右侧）进行腐蚀，生成如下所示的目标数组？

仅从左侧腐蚀的目标结果 #

Proposed_example_array = [[ 0,  0,   1,   0,   0,  0, 0], 
                          [ 0,  1,  101, 101,  0,  0, 0], 
                          [ 0,  1,  101, 101, 101, 0, 0], 
                          [ 1, 100, 101, 101, 101, 0, 0], 
                          [ 0,  1,  101, 101, 101, 0, 0], 
                          [ 0,  1,  101,  0,   0,  0, 0]]

仅从右侧腐蚀的目标结果 #

Proposed_example_array = [[  0,   0,    1,   0,  0,  0, 0], 
                          [  0,  101,  101,  1,  0,  0, 0], 
                          [  0,  101,  101, 101, 1,  0, 0], 
                          [ 101, 101,  101, 101, 1,  0, 0], 
                          [  0,  101,  101, 101, 1,  0, 0], 
                          [  0,  101,   1,   0,  0,  0, 0]]

解决方案 #

完全可以通过自定义结构元实现单方向腐蚀，结构元的形状直接决定腐蚀的作用方向，只需构造仅包含目标方向邻域的结构元即可：

1. 左侧腐蚀实现

左侧腐蚀的核心逻辑是：仅当像素的左侧相邻像素属于前景（值≥1）时，该像素才会被标记为腐蚀区域。我们使用横向结构元[[0,0,0],[1,1,0],[0,0,0]]，让腐蚀操作只关注当前像素及其左侧的邻域：

import numpy as np
from scipy.ndimage import binary_erosion

# 初始化原始数组
Existing_example_arrayV0 = np.array([[ 0, 0, 1, 0, 0, 0, 0], 
                                     [ 0, 1, 1, 1, 0, 0, 0], 
                                     [ 0, 1, 1, 1, 1, 0, 0], 
                                     [ 1, 1, 1, 1, 1, 0, 0], 
                                     [ 0, 1, 1, 1, 1, 0, 0], 
                                     [ 0, 1, 1, 0, 0, 0, 0]])

# 复制数组避免修改原始数据
left_erosion_array = Existing_example_arrayV0.copy()
# 定义左侧腐蚀的结构元
left_structure = np.array([[0,0,0],
                           [1,1,0],
                           [0,0,0]])

# 执行腐蚀并更新数组（注意原始数组前景值为1，所以判断条件改为>=1）
erosion_mask = binary_erosion(left_erosion_array >= 1, structure=left_structure, iterations=1)
left_erosion_array[erosion_mask] += 100

print("左侧腐蚀结果：")
print(left_erosion_array)

2. 右侧腐蚀实现

右侧腐蚀则使用结构元[[0,0,0],[0,1,1],[0,0,0]]，仅关注当前像素及其右侧的邻域：

# 复制数组避免修改原始数据
right_erosion_array = Existing_example_arrayV0.copy()
# 定义右侧腐蚀的结构元
right_structure = np.array([[0,0,0],
                            [0,1,1],
                            [0,0,0]])

# 执行腐蚀并更新数组
erosion_mask = binary_erosion(right_erosion_array >= 1, structure=right_structure, iterations=1)
right_erosion_array[erosion_mask] += 100

print("\n右侧腐蚀结果：")
print(right_erosion_array)

补充说明 #

• 原代码中Existing_example_arrayV0 >= 100的条件不符合场景，因为原始数组的前景值是1，所以需要改为>=1来正确识别前景区域。
• 结构元可灵活调整，比如需要更宽的左侧腐蚀范围，可以将结构元改为[[0,0,0],[1,1,1],[0,0,0]]，实现横向三像素范围的左侧腐蚀。

内容的提问来源于stack exchange，提问作者Patstro