Python SciPy ndimage.minimum_filter用法及代碼示例

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

用法:

scipy.ndimage.minimum_filter(input, size=None, footprint=None, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)#

計算一個多維最小濾波器。

參數 ：：

input： array_like

輸入數組。

size： 標量或元組，可選

請參見下麵的足跡。如果給出足跡，則忽略。

footprint： 數組，可選

任何一個尺寸或者腳印必須定義。尺寸給出在每個元素位置從輸入數組中獲取的形狀，以定義過濾器函數的輸入.腳印是一個布爾數組，它(隱式)指定一個形狀，而且這個形狀中的哪些元素將被傳遞給過濾器函數。因此size=(n,m)相當於footprint=np.ones((n,m)).我們調整尺寸到輸入數組的維數，因此，如果輸入數組是形狀(10,10,10)，並且尺寸為 2，則實際使用的大小為 (2,2,2)。什麽時候腳印給出，尺寸被忽略。

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： str 或序列，可選

mode 參數確定當過濾器與邊框重疊時如何擴展輸入數組。通過傳遞長度等於輸入數組維數的模式序列，可以沿每個軸指定不同的模式。默認值為‘reflect’。有效值及其行為如下：

‘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-constant’

這是‘constant’ 的同義詞。

‘grid-mirror’

這是‘reflect’ 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： int 或序列，可選

控製過濾器在輸入數組像素上的位置。值 0(默認值)使過濾器以像素為中心，正值將過濾器向左移動，負值向右移動。通過傳遞長度等於輸入數組維數的原點序列，可以沿每個軸指定不同的移位。

axes： int 或 None 的元組，可選

如果無，則沿所有軸過濾輸入。否則，將沿指定軸過濾輸入。當指定軸時，用於大小、原點和/或模式的任何元組都必須與軸的長度匹配。這些元組中的第 i 個條目對應於軸中的第 i 個條目。

返回 ：：

minimum_filter： ndarray

過濾數組。具有與輸入相同的形狀。

注意：

僅當封裝可分離時，才支持一係列模式(每個軸一個)。否則，必須提供單個模式字符串。

例子：

>>> from scipy import ndimage, datasets
>>> import matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> plt.gray()  # show the filtered result in grayscale
>>> ax1 = fig.add_subplot(121)  # left side
>>> ax2 = fig.add_subplot(122)  # right side
>>> ascent = datasets.ascent()
>>> result = ndimage.minimum_filter(ascent, size=20)
>>> ax1.imshow(ascent)
>>> ax2.imshow(result)
>>> plt.show()