Python SciPy ndimage.spline_filter用法及代码示例

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

用法:

scipy.ndimage.spline_filter(input, order=3, output=<class 'numpy.float64'>, mode='mirror')#

多维样条滤波器。

参数 ：：

input： array_like

输入数组。

order： 整数，可选

样条的阶数，默认为 3。

axis： 整数，可选

沿其应用样条过滤器的轴。默认是最后一个轴。

output： ndarray 或 dtype，可选

放置输出的数组，或返回数组的 dtype。默认为 numpy.float64 。

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

模式参数确定输入数组如何扩展到其边界之外。默认为‘mirror’。每个有效值的行为如下(请参阅其他图表和详细信息边界模式):

‘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。

‘grid-mirror’

这是‘reflect’ 的同义词。

‘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。在输入边之外不执行插值。

‘grid-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。插值也会发生在输入范围之外的样本上。

‘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。

‘grid-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。

‘wrap’ (d b c d | a b c d | b c a b)

输入通过环绕到相反的边来扩展，但是以某种方式使最后一个点和初始点完全重叠。在这种情况下，没有很好地定义在重叠点将选择哪个样本。

返回 ：：

spline_filter： ndarray

过滤数组。具有与输入相同的形状。

注意：

多维滤波器被实现为一维样条滤波器序列。中间数组存储在与输出相同的数据类型中。因此，对于精度有限的输出类型，结果可能不精确，因为存储的中间结果可能精度不足。

对于complex-valued 输入，此函数独立处理实部和虚部。

例子：

我们可以使用多维样条过滤图像：

>>> from scipy.ndimage import spline_filter
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> orig_img = np.eye(20)  # create an image
>>> orig_img[10, :] = 1.0
>>> sp_filter = spline_filter(orig_img, order=3)
>>> f, ax = plt.subplots(1, 2, sharex=True)
>>> for ind, data in enumerate([[orig_img, "original image"],
...                             [sp_filter, "spline filter"]]):
...     ax[ind].imshow(data[0], cmap='gray_r')
...     ax[ind].set_title(data[1])
>>> plt.tight_layout()
>>> plt.show()