Python SciPy ndimage.geometric_transform用法及代码示例

本文简要介绍 python 语言中 scipy.ndimage.geometric_transform 的用法。

用法:

scipy.ndimage.geometric_transform(input, mapping, output_shape=None, output=None, order=3, mode='constant', cval=0.0, prefilter=True, extra_arguments=(), extra_keywords={})#

应用任意几何变换。

给定的映射函数用于为输出中的每个点找到输入中的相应坐标。这些坐标处的输入值由请求顺序的样条插值确定。

参数 ：：

input： array_like

输入数组。

mapping： {callable, scipy.LowLevelCallable}

一个可调用对象，它接受长度等于输出数组秩的元组，并将相应的输入坐标作为长度等于输入数组秩的元组返回。

output_shape： 整数元组，可选

形状元组。

output： 数组或数据类型，可选

放置输出的数组，或返回数组的 dtype。默认情况下，将创建一个与输入具有相同 dtype 的数组。

order： 整数，可选

样条插值的阶数，默认为 3。阶数必须在 0-5 范围内。

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

模式参数确定输入数组如何扩展到其边界之外。默认为‘constant’。每个有效值的行为如下(请参阅其他图表和详细信息边界模式):

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

通过反射最后一个像素的边来扩展输入。此模式有时也称为half-sample 对称模式。

‘grid-mirror’

这是‘reflect’ 的同义词。

‘constant’ (k k k k | a b c d |呸呸呸呸)

通过使用 cval 参数定义的相同常量值填充边之外的所有值来扩展输入。在输入边之外不执行插值。

‘grid-constant’ (k k k k | a b c d |呸呸呸呸)

通过使用 cval 参数定义的相同常量值填充边之外的所有值来扩展输入。插值也会发生在输入范围之外的样本上。

‘nearest’ (啊啊啊啊| a b c d |嘀嘀嘀嘀)

通过复制最后一个像素来扩展输入。

‘mirror’ (d c b | a b c d | c b a)

通过反射最后一个像素的中心来扩展输入。此模式有时也称为whole-sample 对称模式。

‘grid-wrap’ (a b c d | a b c d | A B C D)

通过环绕到相对边来扩展输入。

‘wrap’ (d b c d | a b c d | b c a b)

输入通过环绕到相反的边来扩展，但是以某种方式使最后一个点和初始点完全重叠。在这种情况下，没有很好地定义在重叠点将选择哪个样本。

cval： 标量，可选

如果模式为‘constant’，则填充过去输入边的值。默认值为 0.0。

prefilter： 布尔型，可选

确定输入数组是否经过预过滤scipy.ndimage.spline_filter插值之前。默认为 True，这将创建一个临时浮点数64过滤值数组 if订单 > 1.如果将此设置为 False，则输出会稍微模糊，如果订单 > 1, 除非输入是预过滤的，即它是调用的结果scipy.ndimage.spline_filter在原始输入上。

extra_arguments： 元组，可选

传递给映射的额外参数。

extra_keywords： 字典，可选

传递给映射的额外关键字。

返回 ：：

output： ndarray

过滤后的输入。

注意：

此函数还接受具有以下签名并包装在 scipy.LowLevelCallable 中的低级回调函数：

int mapping(npy_intp *output_coordinates, double *input_coordinates,
            int output_rank, int input_rank, void *user_data)
int mapping(intptr_t *output_coordinates, double *input_coordinates,
            int output_rank, int input_rank, void *user_data)

调用函数迭代输出数组的元素，在每个元素处调用回调函数。当前输出元素的坐标通过 output_coordinates 传递。回调函数必须返回必须在 input_coordinates 中对输入进行插值的坐标。输入和输出数组的等级分别由input_rank 和output_rank 给出。 user_data 是按原样提供给 scipy.LowLevelCallable 的数据指针。

回调函数必须返回一个整数错误状态，如果出错则为零，否则为一。如果发生错误，您通常应该在返回之前使用信息性消息设置 Python 错误状态，否则调用函数会设置默认错误消息。

此外，还接受其他一些低级函数指针规范，但这些规范仅用于向后兼容，不应在新代码中使用。

对于complex-valued 输入，此函数独立地转换实部和虚部。

例子：

>>> import numpy as np
>>> from scipy.ndimage import geometric_transform
>>> a = np.arange(12.).reshape((4, 3))
>>> def shift_func(output_coords):
...     return (output_coords[0] - 0.5, output_coords[1] - 0.5)
...
>>> geometric_transform(a, shift_func)
array([[ 0.   ,  0.   ,  0.   ],
       [ 0.   ,  1.362,  2.738],
       [ 0.   ,  4.812,  6.187],
       [ 0.   ,  8.263,  9.637]])

>>> b = [1, 2, 3, 4, 5]
>>> def shift_func(output_coords):
...     return (output_coords[0] - 3,)
...
>>> geometric_transform(b, shift_func, mode='constant')
array([0, 0, 0, 1, 2])
>>> geometric_transform(b, shift_func, mode='nearest')
array([1, 1, 1, 1, 2])
>>> geometric_transform(b, shift_func, mode='reflect')
array([3, 2, 1, 1, 2])
>>> geometric_transform(b, shift_func, mode='wrap')
array([2, 3, 4, 1, 2])