scipy.ndimage.

extrema#

scipy.ndimage.extrema(input, labels=None, index=None)[source]#

计算数组中标签处值的最小值和最大值，以及它们的位置。

参数:

inputndarray: 要处理的 N 维图像数据。
labelsndarray, 可选: 输入中特征的标签。如果非 None，必须与 input 的形状相同。
indexint 或 int 序列，可选: 要包含在输出中的标签。如果为 None（默认值），将使用所有非零 labels 值。

返回值:

minimums, maximumsint 或 ndarray: 每个特征中最小值和最大值的值。
min_positions, max_positions元组或元组列表: 每个元组给出相应最小值或最大值的 N 维坐标。

参见

maximum, minimum, maximum_position, minimum_position, center_of_mass

示例

>>> import numpy as np
>>> a = np.array([[1, 2, 0, 0],
...               [5, 3, 0, 4],
...               [0, 0, 0, 7],
...               [9, 3, 0, 0]])
>>> from scipy import ndimage
>>> ndimage.extrema(a)
(0, 9, (0, 2), (3, 0))

要处理的特征可以使用 labels 和 index 指定

>>> lbl, nlbl = ndimage.label(a)
>>> ndimage.extrema(a, lbl, index=np.arange(1, nlbl+1))
(array([1, 4, 3]),
 array([5, 7, 9]),
 [(0, 0), (1, 3), (3, 1)],
 [(1, 0), (2, 3), (3, 0)])

如果没有给出索引，则处理非零 labels

>>> ndimage.extrema(a, lbl)
(1, 9, (0, 0), (3, 0))