Python SciPy ndimage.generic_filter1d用法及代码示例

本文简要介绍 python 语言中 scipy.ndimage.generic_filter1d 的用法。

用法:

scipy.ndimage.generic_filter1d(input, function, filter_size, axis=-1, output=None, mode='reflect', cval=0.0, origin=0, extra_arguments=(), extra_keywords=None)#

沿给定轴计算一维滤波器。

generic_filter1d 迭代数组的各行，在每一行调用给定的函数。该行的参数是输入行和输出行。输入和输出线是一维双数组。输入线根据滤波器尺寸和原点适当延长。必须根据结果就地修改输出行。

参数 ：：

input： array_like

输入数组。

function： {callable, scipy.LowLevelCallable}

沿给定轴应用的函数。

filter_size： 标量

过滤器的长度。

axis： 整数，可选

要计算的输入轴。默认值为 -1。

output： 数组或数据类型，可选

放置输出的数组，或返回数组的 dtype。默认情况下，将创建一个与输入具有相同 dtype 的数组。

mode： {‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’}，可选

mode 参数确定输入数组如何扩展到其边界之外。默认为‘reflect’。每个有效值的行为如下：

‘reflect’ (d c b a | a b c d | d c b a)

通过反射最后一个像素的边来扩展输入。此模式有时也称为half-sample 对称模式。

‘constant’ (k k k k | a b c d |呸呸呸呸)

通过使用 cval 参数定义的相同常量值填充边之外的所有值来扩展输入。

‘nearest’ (啊啊啊啊| a b c d |嘀嘀嘀嘀)

通过复制最后一个像素来扩展输入。

‘mirror’ (d c b | a b c d | c b a)

通过反射最后一个像素的中心来扩展输入。此模式有时也称为whole-sample 对称模式。

‘wrap’ (a b c d | a b c d | A B C D)

通过环绕到相对边来扩展输入。

为了与插值函数保持一致，还可以使用以下模式名称：

‘grid-mirror’

这是‘reflect’ 的同义词。

‘grid-constant’

这是‘constant’ 的同义词。

‘grid-wrap’

这是‘wrap’ 的同义词。

cval： 标量，可选

如果模式为‘constant’，则填充过去输入边的值。默认值为 0.0。

origin： 整数，可选

控制过滤器在输入数组像素上的位置。值 0(默认值)使过滤器以像素为中心，正值将过滤器向左移动，负值向右移动。

extra_arguments： 顺序，可选

传递给传递函数的额外位置参数序列。

extra_keywords： 字典，可选

要传递给传递函数的额外关键字参数的字典。

返回 ：：

generic_filter1d： ndarray

过滤数组。具有与输入相同的形状。

注意：

此函数还接受具有以下签名之一并包装在 scipy.LowLevelCallable 中的低级回调函数：

int function(double *input_line, npy_intp input_length,
             double *output_line, npy_intp output_length,
             void *user_data)
int function(double *input_line, intptr_t input_length,
             double *output_line, intptr_t output_length,
             void *user_data)

调用函数迭代输入和输出数组的行，在每一行调用回调函数。根据调用函数设置的边界条件扩展当前行，并将结果复制到通过 input_line 传递的数组中。输入行的长度(扩展后)通过 input_length 传递。回调函数应应用过滤器并将结果存储在通过 output_line 传递的数组中。输出行的长度通过 output_length 传递。 user_data 是按原样提供给 scipy.LowLevelCallable 的数据指针。

回调函数必须返回一个整数错误状态，如果出错则为零，否则为一。如果发生错误，您通常应该在返回之前使用信息性消息设置python错误状态，否则调用函数会设置默认错误消息。

此外，还接受其他一些低级函数指针规范，但这些规范仅用于向后兼容，不应在新代码中使用。