Python SciPy ndimage.spline_filter1d用法及代码示例

本文简要介绍 python 语言中 scipy.ndimage.spline_filter1d 的用法。

用法:

scipy.ndimage.spline_filter1d(input, order=3, axis=-1, output=<class 'numpy.float64'>, mode='mirror')#

沿给定轴计算一维样条滤波器。

沿给定轴的阵列线由样条滤波器过滤。样条的顺序必须是 >= 2 和 <= 5。

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_filter1d： ndarray

过滤后的输入。

注意：

ndimage 中的所有插值函数都对输入图像进行样条插值。如果使用 B-splines of order > 1，则必须首先将输入图像值转换为 B-spline 系数，这是通过沿输入的所有轴顺序应用此一维滤波器来完成的。所有需要B-spline 系数的函数都会自动过滤它们的输入，这种行为可以通过 prefilter 关键字参数控制。对于接受模式参数的函数，只有与过滤时使用的模式匹配，结果才会正确。

对于complex-valued 输入，此函数独立处理实部和虚部。

例子：

我们可以沿给定轴使用一维样条过滤图像：

>>> from scipy.ndimage import spline_filter1d
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> orig_img = np.eye(20)  # create an image
>>> orig_img[10, :] = 1.0
>>> sp_filter_axis_0 = spline_filter1d(orig_img, axis=0)
>>> sp_filter_axis_1 = spline_filter1d(orig_img, axis=1)
>>> f, ax = plt.subplots(1, 3, sharex=True)
>>> for ind, data in enumerate([[orig_img, "original image"],
...             [sp_filter_axis_0, "spline filter (axis=0)"],
...             [sp_filter_axis_1, "spline filter (axis=1)"]]):
...     ax[ind].imshow(data[0], cmap='gray_r')
...     ax[ind].set_title(data[1])
>>> plt.tight_layout()
>>> plt.show()