Python SciPy ndimage.zoom用法及代碼示例

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

用法:

scipy.ndimage.zoom(input, zoom, output=None, order=3, mode='constant', cval=0.0, prefilter=True, *, grid_mode=False)#

縮放數組。

使用請求順序的樣條插值對數組進行縮放。

參數 ：：

input： array_like

輸入數組。

zoom： 浮點數或序列

沿軸的縮放係數。如果是浮點數，zoom 對於每個軸都是相同的。如果是序列，zoom 應為每個軸包含一個值。

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。

grid_mode： 布爾型，可選

如果為 False，則放大像素中心的距離。否則，使用包括全像素範圍的距離。例如，當 grid_mode 為 False 時，長度為 5 的一維信號被認為具有長度 4，但當 grid_mode 為 True 時，長度為 5。請參見以下視覺示例：

| pixel 1 | pixel 2 | pixel 3 | pixel 4 | pixel 5 |
     |<-------------------------------------->|
                        vs.
|<----------------------------------------------->|

上圖中箭頭的起點對應於每種模式下的坐標位置 0。

返回 ：：

zoom： ndarray

縮放的輸入。

注意：

對於complex-valued 輸入，此函數獨立縮放實部和虛部。

例子：

>>> from scipy import ndimage, datasets
>>> import matplotlib.pyplot as plt

>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(121)  # left side
>>> ax2 = fig.add_subplot(122)  # right side
>>> ascent = datasets.ascent()
>>> result = ndimage.zoom(ascent, 3.0)
>>> ax1.imshow(ascent, vmin=0, vmax=255)
>>> ax2.imshow(result, vmin=0, vmax=255)
>>> plt.show()

>>> print(ascent.shape)
(512, 512)

>>> print(result.shape)
(1536, 1536)