scipy.ndimage.

相关#

scipy.ndimage.correlate(input, weights, output=None, mode='reflect', cval=0.0, origin=0)[source]#

多维相关。

该数组与给定的内核相关。

参数:
inputarray_like

输入数组。

weightsndarray

权重数组，维度与输入相同

outputarray 或 dtype，可选

放置输出的数组，或返回数组的 dtype。默认情况下，将创建与输入相同 dtype 的数组。

mode{‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’}，可选

mode 参数决定如何将输入数组扩展到其边界之外。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)

通过关于最后一个像素边缘的反射来扩展输入。这种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 cval 参数定义的相同常量值填充所有超出边缘的值来扩展输入。

‘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)

通过关于最后一个像素中心的反射来扩展输入。这种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)

通过环绕到相对边缘来扩展输入。

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。

cval标量，可选

如果 mode 为 ‘constant’，则用于填充输入边缘之外的值。默认值为 0.0。

originint 或序列，可选

控制滤波器在输入数组像素上的放置。值为 0（默认值）将滤波器居中在像素上，正值将滤波器向左移动，负值将滤波器向右移动。通过传递一个长度等于输入数组维度的序列，可以沿每个轴指定不同的偏移量。

返回值:
resultndarray

input 与 weights 相关的结果。

另请参阅

convolve

用内核对图像进行卷积。

示例

相关是将滤波器蒙版（通常称为内核）在图像上移动并计算每个位置的乘积之和的过程。

>>> 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]]

定义一个用于相关的内核（权重）。在本例中，它是用于中心以及上下左右相邻元素之和。

>>> weights = [[0, 1, 0],
...            [1, 1, 1],
...            [0, 1, 0]]

我们可以计算相关结果：例如，元素 [2,2] 为 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]])
本页内容