scipy.ndimage.

gaussian_gradient_magnitude#

scipy.ndimage.gaussian_gradient_magnitude(input, sigma, output=None, mode='reflect', cval=0.0, *, axes=None, **kwargs)[源码]#

使用高斯导数计算多维梯度幅度。

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。可为序列(为每个轴指定),或单个数字(应用于所有轴)。

output数组或dtype,可选

用于放置输出的数组,或返回数组的数据类型(dtype)。默认情况下,将创建一个与输入具有相同数据类型(dtype)的数组。

mode字符串或序列,可选

参数 mode 决定了当滤波器覆盖边界时,输入数组如何扩展。通过传入一个长度与输入数组维度数相等的模式序列,可以为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”(反射模式,d c b a | a b c d | d c b a

通过最后一个像素的边缘进行反射来扩展输入。此模式有时也称为半样本对称。

“constant”(常数模式,k k k k | a b c d | k k k k

通过用相同的常数值填充超出边缘的所有值来扩展输入,该常数值由 cval 参数定义。

“nearest”(最近邻模式,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”(镜像模式,d c b | a b c d | c b a

通过最后一个像素的中心进行反射来扩展输入。此模式有时也称为全样本对称。

“wrap”(环绕模式,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,以下模式名称也可使用:

“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”,用于填充输入边缘之外的值。默认值为 0.0。

axes整数元组或None

应用滤波器的轴。如果提供了 sigmamode 元组,它们的长度必须与轴的数量匹配。

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。与 input 具有相同的形状。

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()
../../_images/scipy-ndimage-gaussian_gradient_magnitude-1.png