Python SciPy ndimage.map_coordinates用法及代碼示例

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

用法:

scipy.ndimage.map_coordinates(input, coordinates, output=None, order=3, mode='constant', cval=0.0, prefilter=True)#

通過插值將輸入數組映射到新坐標。

坐標數組用於為輸出中的每個點查找輸入中的對應坐標。這些坐標處的輸入值由請求順序的樣條插值確定。

輸出的形狀是通過刪除第一個軸從坐標數組的形狀導出的。沿第一個軸的數組值是輸入數組中找到輸出值的坐標。

參數 ：：

input： array_like

輸入數組。

coordinates： array_like

評估輸入的坐標。

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。

order： 整數，可選

樣條插值的階數，默認為 3。階數必須在 0-5 範圍內。

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

模式參數確定輸入數組如何擴展到其邊界之外。默認為‘constant’。每個有效值的行為如下(請參閱其他圖表和詳細信息邊界模式):

‘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。

‘grid-mirror’

這是‘reflect’ 的同義詞。

‘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。在輸入邊之外不執行插值。

‘grid-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。插值也會發生在輸入範圍之外的樣本上。

‘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。

‘grid-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。

‘wrap’ (d b c d | a b c d | b c a b)

輸入通過環繞到相反的邊來擴展，但是以某種方式使最後一個點和初始點完全重疊。在這種情況下，沒有很好地定義在重疊點將選擇哪個樣本。

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。

prefilter： 布爾型，可選

確定輸入數組是否經過預過濾scipy.ndimage.spline_filter插值之前。默認為 True，這將創建一個臨時浮點數64過濾值數組 if訂單 > 1.如果將此設置為 False，則輸出會稍微模糊，如果訂單 > 1, 除非輸入是預過濾的，即它是調用的結果scipy.ndimage.spline_filter在原始輸入上。

返回 ：：

map_coordinates： ndarray

轉換輸入的結果。輸出的形狀是通過刪除第一個軸從坐標的形狀得出的。

注意：

對於complex-valued 輸入，此函數獨立映射實部和虛部。

例子：

>>> from scipy import ndimage
>>> import numpy as np
>>> a = np.arange(12.).reshape((4, 3))
>>> a
array([[  0.,   1.,   2.],
       [  3.,   4.,   5.],
       [  6.,   7.,   8.],
       [  9.,  10.,  11.]])
>>> ndimage.map_coordinates(a, [[0.5, 2], [0.5, 1]], order=1)
array([ 2.,  7.])

上麵，a[0.5, 0.5] 的插值給出了 output[0]，而 a[2, 1] 是 output[1]。

>>> inds = np.array([[0.5, 2], [0.5, 4]])
>>> ndimage.map_coordinates(a, inds, order=1, cval=-33.3)
array([  2. , -33.3])
>>> ndimage.map_coordinates(a, inds, order=1, mode='nearest')
array([ 2.,  8.])
>>> ndimage.map_coordinates(a, inds, order=1, cval=0, output=bool)
array([ True, False], dtype=bool)