Python SciPy signal.convolve2d用法及代码示例

本文简要介绍 python 语言中 scipy.signal.convolve2d 的用法。

用法:

scipy.signal.convolve2d(in1, in2, mode='full', boundary='fill', fillvalue=0)#

卷积两个二维数组。

将 in1 和 in2 与由模式确定的输出大小以及由边界和填充值确定的边界条件进行卷积。

参数 ：：

in1： array_like

第一个输入。

in2： array_like

第二输入。应该具有与 in1 相同的维数。

mode： str {‘full’, ‘valid’, ‘same’}，可选

指示输出大小的字符串：

full

输出是输入的完全离散线性卷积。 (默认)

valid

输出仅包含那些不依赖零填充的元素。在 ‘valid’ 模式中，in1 或 in2 在每个维度上都必须至少与另一个一样大。

same

输出与 in1 大小相同，以 ‘full’ 输出为中心。

boundary： str {‘fill’, ‘wrap’, ‘symm’}，可选

指示如何处理边界的标志：

fill

用填充值填充输入数组。 (默认)

wrap

圆形边界条件。

symm

对称边界条件。

fillvalue： 标量，可选

填充填充输入数组的值。默认值为 0。

返回 ：：

out： ndarray

一个二维数组，包含 in1 与 in2 的离散线性卷积的子集。

例子：

使用复数 Scharr 算子通过 2D 卷积计算图像的梯度。 (水平算子是实数，垂直算子是虚数。)使用对称边界条件避免在图像边界处产生边。

>>> import numpy as np
>>> from scipy import signal
>>> from scipy import datasets
>>> ascent = datasets.ascent()
>>> scharr = np.array([[ -3-3j, 0-10j,  +3 -3j],
...                    [-10+0j, 0+ 0j, +10 +0j],
...                    [ -3+3j, 0+10j,  +3 +3j]]) # Gx + j*Gy
>>> grad = signal.convolve2d(ascent, scharr, boundary='symm', mode='same')

>>> import matplotlib.pyplot as plt
>>> fig, (ax_orig, ax_mag, ax_ang) = plt.subplots(3, 1, figsize=(6, 15))
>>> ax_orig.imshow(ascent, cmap='gray')
>>> ax_orig.set_title('Original')
>>> ax_orig.set_axis_off()
>>> ax_mag.imshow(np.absolute(grad), cmap='gray')
>>> ax_mag.set_title('Gradient magnitude')
>>> ax_mag.set_axis_off()
>>> ax_ang.imshow(np.angle(grad), cmap='hsv') # hsv is cyclic, like angles
>>> ax_ang.set_title('Gradient orientation')
>>> ax_ang.set_axis_off()
>>> fig.show()