Python cucim.skimage.transform.warp_polar用法及代码示例

用法:
cucim.skimage.transform.warp_polar(image, center=None, *, radius=None, output_shape=None, scaling='linear', multichannel=False, **kwargs)

将图像重新映射到极坐标或log-polar 坐标空间。

参数：

image：ndarray: 输入图像。默认情况下只接受二维数组。如果 multichannel=True ，则接受 3-D 数组并将最后一个轴解释为多个通道。
center：元组(行，列)，可选: 图像中表示变换中心的点(即笛卡尔空间中的原点)。值可以是 float 类型。如果没有给出值，则假定中心是图像的中心点。
radius：浮点数，可选: 限定要变换的区域的圆的半径。
output_shape：元组(行，列)，可选
scaling：{‘linear’, ‘log’}，可选: 指定图像扭曲是极坐标还是log-polar。默认为‘linear’。
multichannel：布尔型，可选: 图像是否是一个 3-D 数组，其中第三个轴将被解释为多个通道。如果设置为False(默认)，则仅接受二维数组。
**kwargs：关键字参数: 传递给 transform.warp 。

warped：ndarray: 极坐标或 log-polar 扭曲图像。

例子：

在灰度图像上执行基本的极坐标变形：

>>> from skimage import data
>>> from cucim.skimage.transform import warp_polar
>>> image = cp.array(data.checkerboard())
>>> warped = warp_polar(image)

在灰度图像上执行 log-polar 扭曲：

>>> warped = warp_polar(image, scaling='log')

在指定中心、半径和输出形状的同时对灰度图像执行log-polar 扭曲：

>>> warped = warp_polar(image, (100,100), radius=100,
...                     output_shape=image.shape, scaling='log')

在彩色图像上执行 log-polar 变形：

>>> image = data.astronaut()
>>> warped = warp_polar(image, scaling='log', multichannel=True)

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.transform.warp_polar。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：

例子：