correlate#
- scipy.ndimage.correlate(input, weights, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)[源代码]#
多维关联。
数组与给定核进行关联。
- 参数:
- inputarray_like
输入数组。
- weightsndarray
权重数组,与输入具有相同的维度
- outputarray or dtype, optional
用于放置输出的数组,或返回数组的数据类型。默认情况下,将创建一个与输入具有相同数据类型的数组。
- mode{‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’}, 可选
`mode` 参数决定了输入数组如何在其边界之外进行扩展。默认值为 'reflect'。每个有效值的行为如下:
- ‘reflect’ (d c b a | a b c d | d c b a)
通过最后一个像素的边缘反射来扩展输入。此模式有时也称为半样本对称。
- ‘constant’ (k k k k | a b c d | k k k k)
通过用相同的常量值(由 cval 参数定义)填充边界以外的所有值来扩展输入。
- ‘nearest’ (a a a a | a b c d | d d d d)
通过复制最后一个像素来扩展输入。
- ‘mirror’ (d c b | a b c d | c b a)
通过最后一个像素的中心反射来扩展输入。此模式有时也称为全样本对称。
- ‘wrap’ (a b c d | a b c d | a b c d)
通过环绕到对边来扩展输入。
为了与插值函数保持一致,还可以使用以下模式名称:
- ‘grid-mirror’
这是 ‘reflect’ 的同义词。
- ‘grid-constant’
这是 ‘constant’ 的同义词。
- ‘grid-wrap’
这是 ‘wrap’ 的同义词。
- cvalscalar, 可选
如果 mode 为 ‘constant’,用于填充输入边缘以外的值。默认值为 0.0。
- originint or sequence, 可选
控制滤波器在输入数组像素上的位置。值为 0(默认值)表示将滤波器置于像素中心,正值将滤波器向左移动,负值向右移动。通过传入一个长度等于输入数组维度的原点序列,可以沿每个轴指定不同的偏移量。
- axestuple of int or None, 可选
如果为 None,input 将沿所有轴进行滤波。否则,input 将沿指定轴进行滤波。当指定 axes 时,用于 mode 或 origin 的任何元组必须与 axes 的长度匹配。这些元组中的第 i 个条目对应于 axes 中的第 i 个条目。
- 返回:
- resultndarray
input 与 weights 关联的结果。
另请参阅
convolve
用核对图像进行卷积。
示例
关联是将滤波器掩码(通常称为核)在图像上移动并在每个位置计算乘积之和的过程。
>>> from scipy.ndimage import correlate >>> import numpy as np >>> input_img = np.arange(25).reshape(5,5) >>> print(input_img) [[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19] [20 21 22 23 24]]
定义用于关联的核(权重)。在此示例中,它用于中心元素以及上下左右相邻元素的总和。
>>> weights = [[0, 1, 0], ... [1, 1, 1], ... [0, 1, 0]]
我们可以计算关联结果:例如,元素
[2,2]
的结果是7 + 11 + 12 + 13 + 17 = 60
。>>> correlate(input_img, weights) array([[ 6, 10, 15, 20, 24], [ 26, 30, 35, 40, 44], [ 51, 55, 60, 65, 69], [ 76, 80, 85, 90, 94], [ 96, 100, 105, 110, 114]])