Python SciPy ndimage.spline_filter用法及代碼示例

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

用法:

scipy.ndimage.spline_filter(input, order=3, output=<class 'numpy.float64'>, mode='mirror')#

多維樣條濾波器。

參數 ：：

input： array_like

輸入數組。

order： 整數，可選

樣條的階數，默認為 3。

axis： 整數，可選

沿其應用樣條過濾器的軸。默認是最後一個軸。

output： ndarray 或 dtype，可選

放置輸出的數組，或返回數組的 dtype。默認為 numpy.float64 。

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‘mirror’。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。

返回 ：：

spline_filter： ndarray

過濾數組。具有與輸入相同的形狀。

注意：

多維濾波器被實現為一維樣條濾波器序列。中間數組存儲在與輸出相同的數據類型中。因此，對於精度有限的輸出類型，結果可能不精確，因為存儲的中間結果可能精度不足。

對於complex-valued 輸入，此函數獨立處理實部和虛部。

例子：

我們可以使用多維樣條過濾圖像：

>>> from scipy.ndimage import spline_filter
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> orig_img = np.eye(20)  # create an image
>>> orig_img[10, :] = 1.0
>>> sp_filter = spline_filter(orig_img, order=3)
>>> f, ax = plt.subplots(1, 2, sharex=True)
>>> for ind, data in enumerate([[orig_img, "original image"],
...                             [sp_filter, "spline filter"]]):
...     ax[ind].imshow(data[0], cmap='gray_r')
...     ax[ind].set_title(data[1])
>>> plt.tight_layout()
>>> plt.show()