Python skimage.util.regular_grid用法及代码示例

用法: skimage.util.regular_grid(ar_shape, n_points)

找到沿ar_shape 规律分布的 n_points。

返回的点(作为切片)应尽可能接近立方间距。本质上，这些点的间距是输入数组大小的第 N 个根，其中 N 是维数。但是，如果一个数组维度不能满足一个完整的步长，它是“discarded”，并且只对剩余的维度进行计算。

参数：

ar_shape：array-like 个整数: 嵌入网格的空间的形状。 len(ar_shape) 是维数。
n_points：int: 要嵌入空间的(近似)点数。

slices：切片对象的元组: 沿ar_shape 的每个维度的切片，使得所有切片的交点给出规则间隔点的坐标。

例子：

>>> ar = np.zeros((20, 40))
>>> g = regular_grid(ar.shape, 8)
>>> g
(slice(5, None, 10), slice(5, None, 10))
>>> ar[g] = 1
>>> ar.sum()
8.0
>>> ar = np.zeros((20, 40))
>>> g = regular_grid(ar.shape, 32)
>>> g
(slice(2, None, 5), slice(2, None, 5))
>>> ar[g] = 1
>>> ar.sum()
32.0
>>> ar = np.zeros((3, 20, 40))
>>> g = regular_grid(ar.shape, 8)
>>> g
(slice(1, None, 3), slice(5, None, 10), slice(5, None, 10))
>>> ar[g] = 1
>>> ar.sum()
8.0

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.util.regular_grid。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：

例子：