Python cucim.skimage.filters.difference_of_gaussians用法及代码示例

用法: cucim.skimage.filters.difference_of_gaussians(image, low_sigma, high_sigma=None, *, mode='nearest', cval=0, multichannel=False, truncate=4.0)

查找大小介于 low_sigma 和 high_sigma 之间的特征。

此函数使用高斯差分法将band-pass 过滤器应用于多维数组。输入数组用两个不同 sigma 的高斯核模糊，以产生两个中间的过滤图像。然后从less-blurred 图像中减去more-blurred 图像。因此，最终输出图像的high-frequency 分量被smaller-sigma 高斯衰减，并且低频分量由于它们存在于more-blurred 中间而被去除。

参数：

image：ndarray: 要过滤的输入数组。
low_sigma：标量或标量序列: 在所有轴上具有较小 sigma 的高斯核的标准偏差。每个轴的标准偏差以序列或单个数字的形式给出，在这种情况下，单个数字用作所有轴的标准偏差值。
high_sigma：标量或标量序列，可选(默认为无): 在所有轴上具有较大 sigma 的高斯核的标准偏差。每个轴的标准偏差以序列或单个数字的形式给出，在这种情况下，单个数字用作所有轴的标准偏差值。如果给出 None (默认)，所有轴的 sigmas 计算为 1.6 * low_sigma。
mode：{‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’}，可选: mode 参数确定如何处理数组边界，其中 cval 是 mode 等于 ‘constant’ 时的值。默认为‘nearest’。
cval：标量，可选: 如果mode 是‘constant’，则填充过去输入边的值。默认值为 0.0
multichannel：布尔值，可选(默认值：False): 图像的最后一个轴是否被解释为多个通道。如果为 True，则单独过滤每个通道(通道不混合在一起)。
truncate：浮点数，可选(默认为 4.0): 在这么多标准偏差处截断过滤器。

filtered_image：ndarray: 过滤后的数组。

注意：

此函数将从使用具有由 low_sigma 提供的 sigma 的高斯内核过滤的数组中减去使用具有由 high_sigma 给定的 sigma 的高斯内核过滤的数组。 high_sigma 的值必须始终大于或等于 low_sigma 中的相应值，否则将引发 ValueError。

当 high_sigma 为 none 时，high_sigma 的值将计算为 low_sigma 中相应值的 1.6 倍。这个比率最初是由 Marr 和 Hildreth (1980) [1] 提出的，并且通常用于逼近高斯的倒拉普拉斯算子，用于边和斑点检测。

输入图像根据 img_as_float 的约定进行转换。

除了 sigma 值，所有参数都用于两个过滤器。

参考：

1: Marr, D. and Hildreth, E. Theory of Edge Detection. Proc. R. Soc. Lond. Series B 207, 187-217 (1980). https://doi.org/10.1098/rspb.1980.0020

例子：

对彩色图像应用一个简单的高斯差分滤波器：

>>> from skimage.data import astronaut
>>> from cucim.skimage.filters import difference_of_gaussians
>>> astro = cp.asarray(astronaut())
>>> filtered_image = difference_of_gaussians(astro, 2, 10,
...                                          multichannel=True)

应用高斯滤波器的拉普拉斯算子，由高斯差分滤波器近似：

>>> filtered_image = difference_of_gaussians(astro, 2,
...                                          multichannel=True)

对灰度图像应用高斯差分滤波器，每个轴使用不同的 sigma 值：

>>> from skimage.data import camera
>>> cam = cp.array(camera())
>>> filtered_image = difference_of_gaussians(cam, (2,5), (3,20))

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cucim.skimage.filters.difference_of_gaussians。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

参考：

例子：