Python SciPy ndimage.rotate用法及代碼示例

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

用法:

scipy.ndimage.rotate(input, angle, axes=(1, 0), reshape=True, output=None, order=3, mode='constant', cval=0.0, prefilter=True)#

旋轉數組。

數組在由軸參數給定的兩個軸定義的平麵中旋轉，使用請求順序的樣條插值。

參數 ：：

input： array_like

輸入數組。

angle： 浮點數

以度為單位的旋轉角度。

axes： 2 個整數的元組，可選

定義旋轉平麵的兩個軸。默認是前兩個軸。

reshape： 布爾型，可選

如果 reshape 為真，則調整輸出形狀，以便輸入數組完全包含在輸出中。默認為真。

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 ：：

rotate： ndarray

旋轉的輸入。

注意：

對於complex-valued 輸入，此函數獨立旋轉實部和虛部。

例子：

>>> from scipy import ndimage, datasets
>>> import matplotlib.pyplot as plt
>>> fig = plt.figure(figsize=(10, 3))
>>> ax1, ax2, ax3 = fig.subplots(1, 3)
>>> img = datasets.ascent()
>>> img_45 = ndimage.rotate(img, 45, reshape=False)
>>> full_img_45 = ndimage.rotate(img, 45, reshape=True)
>>> ax1.imshow(img, cmap='gray')
>>> ax1.set_axis_off()
>>> ax2.imshow(img_45, cmap='gray')
>>> ax2.set_axis_off()
>>> ax3.imshow(full_img_45, cmap='gray')
>>> ax3.set_axis_off()
>>> fig.set_layout_engine('tight')
>>> plt.show()

>>> print(img.shape)
(512, 512)
>>> print(img_45.shape)
(512, 512)
>>> print(full_img_45.shape)
(724, 724)