scipy.ndimage.

gaussian_filter1d#

scipy.ndimage.gaussian_filter1d(input, sigma, axis=-1, order=0, output=None, mode='reflect', cval=0.0, truncate=4.0, *, radius=None)[source]#

一维高斯滤波。

参数:

inputarray_like

输入数组。

sigma标量

高斯核的标准差

axisint, 可选

计算 input 的轴。默认值为 -1。

orderint, 可选

0 阶对应于与高斯核卷积。正阶对应于与高斯的该导数卷积。

output数组或 dtype, 可选

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

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

The mode parameter determines how the input array is extended beyond its boundaries. Default is ‘reflect’. Behavior for each valid value is as follows

‘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 cval 参数定义的相同常量值填充超出边缘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): 通过关于最后一个像素中心的反射来扩展输入。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): 通过环绕到相反边缘来扩展输入。

为了与插值函数保持一致，以下模式名称也可以使用

‘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。

truncatefloat, 可选

在这么多标准差处截断过滤器。默认值为 4.0。

radiusNone 或 int, 可选

高斯核的半径。如果指定，内核的大小将为 2*radius + 1，并且会忽略 truncate。默认值为 None。

返回值:

gaussian_filter1dndarray

注释

高斯核的大小将为 2*radius + 1 沿着每个轴。如果 radius 为 None，则将使用默认的 radius = round(truncate * sigma)。

示例

>>> from scipy.ndimage import gaussian_filter1d
>>> import numpy as np
>>> gaussian_filter1d([1.0, 2.0, 3.0, 4.0, 5.0], 1)
array([ 1.42704095,  2.06782203,  3.        ,  3.93217797,  4.57295905])
>>> gaussian_filter1d([1.0, 2.0, 3.0, 4.0, 5.0], 4)
array([ 2.91948343,  2.95023502,  3.        ,  3.04976498,  3.08051657])
>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()
>>> x = rng.standard_normal(101).cumsum()
>>> y3 = gaussian_filter1d(x, 3)
>>> y6 = gaussian_filter1d(x, 6)
>>> plt.plot(x, 'k', label='original data')
>>> plt.plot(y3, '--', label='filtered, sigma=3')
>>> plt.plot(y6, ':', label='filtered, sigma=6')
>>> plt.legend()
>>> plt.grid()
>>> plt.show()

../../_images/scipy-ndimage-gaussian_filter1d-1.png