Python SciPy ndimage.convolve用法及代碼示例

本文簡要介紹 python 語言中 scipy.ndimage.convolve 的用法。

用法:

scipy.ndimage.convolve(input, weights, output=None, mode='reflect', cval=0.0, origin=0)#

多維卷積。

該數組與給定的內核卷積。

參數 ：：

input： array_like

輸入數組。

weights： array_like

權重數組，與輸入的維數相同

output： 數組或數據類型，可選

放置輸出的數組，或返回數組的 dtype。默認情況下，將創建一個與輸入具有相同 dtype 的數組。

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

mode 參數確定輸入數組如何擴展到其邊界之外。默認為‘reflect’。每個有效值的行為如下：

‘reflect’ (d c b a | a b c d | d c b a)

通過反射最後一個像素的邊來擴展輸入。此模式有時也稱為half-sample 對稱模式。

‘constant’ (k k k k | a b c d |呸呸呸呸)

通過使用 cval 參數定義的相同常量值填充邊之外的所有值來擴展輸入。

‘nearest’ (啊啊啊啊| a b c d |嘀嘀嘀嘀)

通過複製最後一個像素來擴展輸入。

‘mirror’ (d c b | a b c d | c b a)

通過反射最後一個像素的中心來擴展輸入。此模式有時也稱為whole-sample 對稱模式。

‘wrap’ (a b c d | a b c d | A B C D)

通過環繞到相對邊來擴展輸入。

為了與插值函數保持一致，還可以使用以下模式名稱：

‘grid-mirror’

這是‘reflect’ 的同義詞。

‘grid-constant’

這是‘constant’ 的同義詞。

‘grid-wrap’

這是‘wrap’ 的同義詞。

cval： 標量，可選

如果模式為‘constant’，則填充過去輸入邊的值。默認值為 0.0

origin： 整數，可選

控製輸入信號的原點，這是濾波器產生輸出第一個元素的中心位置。正值將過濾器向右移動，負值將過濾器向左移動。默認值為 0。

返回 ：：

result： ndarray

輸入與權重的卷積結果。

注意：

結果中的每個值都是\(C_i = \sum_j{I_{i+k-j} W_j}\), 其中 W 是權重內核，j 是 N-D 空間索引\(W\), 我是輸入k 是 W 中心的坐標，由下式指定起源在輸入參數中。

例子：

也許最容易理解的情況是mode='constant', cval=0.0，因為在這種情況下邊界(即，權重內核，以任何一個值為中心，延伸到邊之外輸入) 被視為零。

>>> import numpy as np
>>> a = np.array([[1, 2, 0, 0],
...               [5, 3, 0, 4],
...               [0, 0, 0, 7],
...               [9, 3, 0, 0]])
>>> k = np.array([[1,1,1],[1,1,0],[1,0,0]])
>>> from scipy import ndimage
>>> ndimage.convolve(a, k, mode='constant', cval=0.0)
array([[11, 10,  7,  4],
       [10,  3, 11, 11],
       [15, 12, 14,  7],
       [12,  3,  7,  0]])

環境cval=1.0相當於填充的外邊輸入1.0(然後隻提取結果的原始區域)。

>>> ndimage.convolve(a, k, mode='constant', cval=1.0)
array([[13, 11,  8,  7],
       [11,  3, 11, 14],
       [16, 12, 14, 10],
       [15,  6, 10,  5]])

和mode='reflect'(默認)，外部值反映在邊輸入填寫缺失值。

>>> b = np.array([[2, 0, 0],
...               [1, 0, 0],
...               [0, 0, 0]])
>>> k = np.array([[0,1,0], [0,1,0], [0,1,0]])
>>> ndimage.convolve(b, k, mode='reflect')
array([[5, 0, 0],
       [3, 0, 0],
       [1, 0, 0]])

這包括在角落的對角線。

>>> k = np.array([[1,0,0],[0,1,0],[0,0,1]])
>>> ndimage.convolve(b, k)
array([[4, 2, 0],
       [3, 2, 0],
       [1, 1, 0]])

和mode='nearest', 中的單個最接近的值輸入根據需要重複多次以匹配重疊權重.

>>> c = np.array([[2, 0, 1],
...               [1, 0, 0],
...               [0, 0, 0]])
>>> k = np.array([[0, 1, 0],
...               [0, 1, 0],
...               [0, 1, 0],
...               [0, 1, 0],
...               [0, 1, 0]])
>>> ndimage.convolve(c, k, mode='nearest')
array([[7, 0, 3],
       [5, 0, 2],
       [3, 0, 1]])