Python SciPy signal.convolve2d用法及代碼示例

本文簡要介紹 python 語言中 scipy.signal.convolve2d 的用法。

用法:

scipy.signal.convolve2d(in1, in2, mode='full', boundary='fill', fillvalue=0)#

卷積兩個二維數組。

將 in1 和 in2 與由模式確定的輸出大小以及由邊界和填充值確定的邊界條件進行卷積。

參數 ：：

in1： array_like

第一個輸入。

in2： array_like

第二輸入。應該具有與 in1 相同的維數。

mode： str {‘full’, ‘valid’, ‘same’}，可選

指示輸出大小的字符串：

full

輸出是輸入的完全離散線性卷積。 (默認)

valid

輸出僅包含那些不依賴零填充的元素。在 ‘valid’ 模式中，in1 或 in2 在每個維度上都必須至少與另一個一樣大。

same

輸出與 in1 大小相同，以 ‘full’ 輸出為中心。

boundary： str {‘fill’, ‘wrap’, ‘symm’}，可選

指示如何處理邊界的標誌：

fill

用填充值填充輸入數組。 (默認)

wrap

圓形邊界條件。

symm

對稱邊界條件。

fillvalue： 標量，可選

填充填充輸入數組的值。默認值為 0。

返回 ：：

out： ndarray

一個二維數組，包含 in1 與 in2 的離散線性卷積的子集。

例子：

使用複數 Scharr 算子通過 2D 卷積計算圖像的梯度。 (水平算子是實數，垂直算子是虛數。)使用對稱邊界條件避免在圖像邊界處產生邊。

>>> import numpy as np
>>> from scipy import signal
>>> from scipy import datasets
>>> ascent = datasets.ascent()
>>> scharr = np.array([[ -3-3j, 0-10j,  +3 -3j],
...                    [-10+0j, 0+ 0j, +10 +0j],
...                    [ -3+3j, 0+10j,  +3 +3j]]) # Gx + j*Gy
>>> grad = signal.convolve2d(ascent, scharr, boundary='symm', mode='same')

>>> import matplotlib.pyplot as plt
>>> fig, (ax_orig, ax_mag, ax_ang) = plt.subplots(3, 1, figsize=(6, 15))
>>> ax_orig.imshow(ascent, cmap='gray')
>>> ax_orig.set_title('Original')
>>> ax_orig.set_axis_off()
>>> ax_mag.imshow(np.absolute(grad), cmap='gray')
>>> ax_mag.set_title('Gradient magnitude')
>>> ax_mag.set_axis_off()
>>> ax_ang.imshow(np.angle(grad), cmap='hsv') # hsv is cyclic, like angles
>>> ax_ang.set_title('Gradient orientation')
>>> ax_ang.set_axis_off()
>>> fig.show()