Python skimage.filters.gaussian用法及代码示例

用法: skimage.filters.gaussian(image, sigma=1, output=None, mode='nearest', cval=0, multichannel=None, preserve_range=False, truncate=4.0, *, channel_axis=None)

多维高斯滤波器。

参数：

image：array-like

输入图像(灰度或彩色)进行过滤。

sigma：标量或标量序列，可选

高斯核的标准差。每个轴的高斯滤波器的标准偏差作为一个序列或单个数字给出，在这种情况下，它对所有轴都是相等的。

output：数组，可选

output 参数传递一个用于存储过滤器输出的数组。

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

mode 参数确定如何处理数组边界，其中 cval 是 mode 等于 ‘constant’ 时的值。默认为‘nearest’。

cval：标量，可选

如果mode 是‘constant’，则填充过去输入边的值。默认值为 0.0

multichannel：布尔值，可选(默认值：无)

图像的最后一个轴是否被解释为多个通道。如果为 True，则单独过滤每个通道(通道不混合在一起)。仅支持 3 个通道。如果None，当数组的形状为 (M, N, 3) 时，该函数将尝试猜测这一点，并在不明确时发出警告。此参数已弃用：指定channel_axis反而。

preserve_range：布尔型，可选

如果为 True，则保留原始值范围。否则，输入 image 将根据 img_as_float 的约定进行转换(首先标准化为值 [-1.0 ; 1.0] 或 [0 ; 1.0]，具体取决于输入的 dtype)

有关更多信息，请参阅：https://scikit-image.org/docs/dev/user_guide/data_types.html

truncate：浮点数，可选

在这么多标准偏差处截断过滤器。

channel_axis：int 或无，可选

如果为 None，则假定图像是灰度(单通道)图像。否则，此参数指示数组的哪个轴对应于通道。

filtered_image：ndarray: 过滤后的数组

其他参数：

multichannel：DEPRECATED: 已弃用以支持channel_axis。

注意：

此函数是 scipy.ndi.gaussian_filter() 的包装器。

整数数组转换为浮点数。

output 应该是浮点数据类型，因为提供的高斯转换为浮点数 image 。如果没有提供output，将分配另一个数组并作为结果返回。

多维滤波器被实现为一系列一维卷积滤波器。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。

例子：

>>> a = np.zeros((3, 3))
>>> a[1, 1] = 1
>>> a
array([[0., 0., 0.],
       [0., 1., 0.],
       [0., 0., 0.]])
>>> gaussian(a, sigma=0.4)  # mild smoothing
array([[0.00163116, 0.03712502, 0.00163116],
       [0.03712502, 0.84496158, 0.03712502],
       [0.00163116, 0.03712502, 0.00163116]])
>>> gaussian(a, sigma=1)  # more smoothing
array([[0.05855018, 0.09653293, 0.05855018],
       [0.09653293, 0.15915589, 0.09653293],
       [0.05855018, 0.09653293, 0.05855018]])
>>> # Several modes are possible for handling boundaries
>>> gaussian(a, sigma=1, mode='reflect')
array([[0.08767308, 0.12075024, 0.08767308],
       [0.12075024, 0.16630671, 0.12075024],
       [0.08767308, 0.12075024, 0.08767308]])
>>> # For RGB images, each is filtered separately
>>> from skimage.data import astronaut
>>> image = astronaut()
>>> filtered_img = gaussian(image, sigma=1, channel_axis=-1)

相关用法

注：本文由纯净天空筛选整理自scikit-image.org大神的英文原创作品 skimage.filters.gaussian。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

其他参数：

注意：

例子：