Python SciPy signal.correlate2d用法及代碼示例

本文簡要介紹 python 語言中 scipy.signal.correlate2d 的用法。

用法:

scipy.signal.correlate2d(in1, in2, mode='full', boundary='fill', fillvalue=0)#

Cross-correlate 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互相關。

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互相關。 (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 ：：

correlate2d： ndarray

包含 in1 與 in2 離散線性互相關子集的二維數組。

注意：

當使用帶有偶數長度輸入的 “same” 模式時， correlate 和 correlate2d 的輸出不同：它們之間存在 1 索引偏移。

例子：

使用 2D 互相關來查找噪聲圖像中模板的位置：

>>> import numpy as np
>>> from scipy import signal
>>> from scipy import datasets
>>> rng = np.random.default_rng()
>>> face = datasets.face(gray=True) - datasets.face(gray=True).mean()
>>> template = np.copy(face[300:365, 670:750])  # right eye
>>> template -= template.mean()
>>> face = face + rng.standard_normal(face.shape) * 50  # add noise
>>> corr = signal.correlate2d(face, template, boundary='symm', mode='same')
>>> y, x = np.unravel_index(np.argmax(corr), corr.shape)  # find the match

>>> import matplotlib.pyplot as plt
>>> fig, (ax_orig, ax_template, ax_corr) = plt.subplots(3, 1,
...                                                     figsize=(6, 15))
>>> ax_orig.imshow(face, cmap='gray')
>>> ax_orig.set_title('Original')
>>> ax_orig.set_axis_off()
>>> ax_template.imshow(template, cmap='gray')
>>> ax_template.set_title('Template')
>>> ax_template.set_axis_off()
>>> ax_corr.imshow(corr, cmap='gray')
>>> ax_corr.set_title('Cross-correlation')
>>> ax_corr.set_axis_off()
>>> ax_orig.plot(x, y, 'ro')
>>> fig.show()