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 sigma 或 mode 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()
