Python SciPy signal.correlate2d用法及代码示例

本文简要介绍 python 语言中 scipy.signal.correlate2d 的用法。

用法:

scipy.signal.correlate2d(in1, in2, mode='full', boundary='fill', fillvalue=0)#

Cross-correlate 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互相关。

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互相关。 (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 ：：

correlate2d： ndarray

包含 in1 与 in2 离散线性互相关子集的二维数组。

注意：

当使用带有偶数长度输入的 “same” 模式时， correlate 和 correlate2d 的输出不同：它们之间存在 1 索引偏移。

例子：

使用 2D 互相关来查找噪声图像中模板的位置：

>>> import numpy as np
>>> from scipy import signal
>>> from scipy import datasets
>>> rng = np.random.default_rng()
>>> face = datasets.face(gray=True) - datasets.face(gray=True).mean()
>>> template = np.copy(face[300:365, 670:750])  # right eye
>>> template -= template.mean()
>>> face = face + rng.standard_normal(face.shape) * 50  # add noise
>>> corr = signal.correlate2d(face, template, boundary='symm', mode='same')
>>> y, x = np.unravel_index(np.argmax(corr), corr.shape)  # find the match

>>> import matplotlib.pyplot as plt
>>> fig, (ax_orig, ax_template, ax_corr) = plt.subplots(3, 1,
...                                                     figsize=(6, 15))
>>> ax_orig.imshow(face, cmap='gray')
>>> ax_orig.set_title('Original')
>>> ax_orig.set_axis_off()
>>> ax_template.imshow(template, cmap='gray')
>>> ax_template.set_title('Template')
>>> ax_template.set_axis_off()
>>> ax_corr.imshow(corr, cmap='gray')
>>> ax_corr.set_title('Cross-correlation')
>>> ax_corr.set_axis_off()
>>> ax_orig.plot(x, y, 'ro')
>>> fig.show()