scipy.ndimage.

gaussian_laplace#

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

使用高斯二阶导数的多维拉普拉斯滤波。

参数
input类数组

输入数组。

sigma标量或标量序列

高斯滤波器的标准差。可为每个轴提供一个序列,或一个单一数字,此时所有轴的标准差均相等。

output数组或 dtype,可选

用于放置输出的数组,或返回数组的 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 参数决定了当滤波器与边界重叠时,输入数组如何进行扩展。通过传入一个与输入数组维度数量相等的模式序列,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)

通过围绕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’ (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’ (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)

通过围绕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’ (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,也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’,则用于填充输入超出边缘的值。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
gaussian_laplacendarray

滤波后的数组。形状与 input 相同。

示例

>>> from scipy import ndimage, datasets
>>> import matplotlib.pyplot as plt
>>> ascent = datasets.ascent()
>>> 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
>>> result = ndimage.gaussian_laplace(ascent, sigma=1)
>>> ax1.imshow(result)
>>> result = ndimage.gaussian_laplace(ascent, sigma=3)
>>> ax2.imshow(result)
>>> plt.show()
../../_images/scipy-ndimage-gaussian_laplace-1.png