Python SciPy signal.medfilt2d用法及代码示例

本文简要介绍 python 语言中 scipy.signal.medfilt2d 的用法。

用法:

scipy.signal.medfilt2d(input, kernel_size=3)#

对二维数组进行中值过滤。

使用 kernel_size 给出的局部 window-size 对输入数组应用中值滤波器(必须是奇数)。该数组自动用零填充。

参数 ：：

input： array_like

二维输入数组。

kernel_size： 数组，可选

标量或长度为 2 的列表，给出每个维度中中值滤波器窗口的大小。 kernel_size 的元素应该是奇数。如果kernel_size是标量，则该标量用作每个维度的大小。默认大小为 (3, 3) 的内核。

返回 ：：

out： ndarray

与包含中值过滤结果的输入大小相同的数组。

注意：

当输入数据类型为 uint8 、 float32 或 float64 时，这比 medfilt 更快；对于其他类型，这会回退到 medfilt 。在某些情况下， scipy.ndimage.median_filter 可能比该函数更快。

例子：

>>> import numpy as np
>>> from scipy import signal
>>> x = np.arange(25).reshape(5, 5)
>>> x
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24]])

# 将 i,j 替换为 5*5 窗口中的中值

>>> signal.medfilt2d(x, kernel_size=5)
array([[ 0,  0,  2,  0,  0],
       [ 0,  3,  7,  4,  0],
       [ 2,  8, 12,  9,  4],
       [ 0,  8, 12,  9,  0],
       [ 0,  0, 12,  0,  0]])

# 将 i,j 替换为默认 3*3 窗口中的中值

>>> signal.medfilt2d(x)
array([[ 0,  1,  2,  3,  0],
       [ 1,  6,  7,  8,  4],
       [ 6, 11, 12, 13,  9],
       [11, 16, 17, 18, 14],
       [ 0, 16, 17, 18,  0]])

# 将 i,j 替换为默认 5*3 窗口中的中值

>>> signal.medfilt2d(x, kernel_size=[5,3])
array([[ 0,  1,  2,  3,  0],
       [ 0,  6,  7,  8,  3],
       [ 5, 11, 12, 13,  8],
       [ 5, 11, 12, 13,  8],
       [ 0, 11, 12, 13,  0]])

# 将 i,j 替换为默认 3*5 窗口中的中值

>>> signal.medfilt2d(x, kernel_size=[3,5])
array([[ 0,  0,  2,  1,  0],
       [ 1,  5,  7,  6,  3],
       [ 6, 10, 12, 11,  8],
       [11, 15, 17, 16, 13],
       [ 0, 15, 17, 16,  0]])

# 如示例所示， # 内核编号必须是奇数且不能超过原始数组 dim