scipy.ndimage.
gaussian_gradient_magnitude#
- scipy.ndimage.gaussian_gradient_magnitude(input, sigma, output=None, mode='reflect', cval=0.0, **kwargs)[source]#
使用高斯导数的多维梯度幅值。
- 参数:
- inputarray_like
输入数组。
- sigma标量或标量序列
高斯滤波器的标准差以序列形式给出，每个轴一个，或者以单个数字给出，在这种情况下所有轴都相同。
- output数组或 dtype，可选
用于放置输出的数组，或者返回数组的 dtype。默认情况下，将创建一个与输入具有相同 dtype 的数组。
- mode字符串或序列，可选
mode 参数决定当滤波器与边界重叠时如何扩展输入数组。通过传递长度等于输入数组维度数量的模式序列，可以沿每个轴指定不同的模式。默认值为 ‘reflect’。有效值及其行为如下：
- ‘reflect’ (d c b a | a b c d | d c b a)
输入通过关于最后一个像素的边缘反射来扩展。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)
输入通过用 cval 参数定义的相同常数值填充所有超出边缘的值来扩展。
- ‘nearest’ (a a a a | a b c d | d d d d)
输入通过复制最后一个像素来扩展。
- ‘mirror’ (d c b | a b c d | c b a)
输入通过关于最后一个像素的中心反射来扩展。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)
输入通过环绕到相反的边缘来扩展。
为了与插值函数保持一致，还可以使用以下模式名称：
- ‘grid-constant’
这是 ‘constant’ 的同义词。
- ‘grid-mirror’
这是 ‘reflect’ 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以外的值。默认值为 0.0。
- 额外的关键字参数将传递给 gaussian_filter()。
- 返回值:
- gaussian_gradient_magnitudendarray
过滤后的数组。具有与 input 相同的形状。
示例
>>> from scipy import ndimage, datasets >>> import matplotlib.pyplot as plt >>> fig = plt.figure() >>> plt.gray() # show the filtered result in grayscale >>> ax1 = fig.add_subplot(121) # left side >>> ax2 = fig.add_subplot(122) # right side >>> ascent = datasets.ascent() >>> result = ndimage.gaussian_gradient_magnitude(ascent, sigma=5) >>> ax1.imshow(ascent) >>> ax2.imshow(result) >>> plt.show()
