scipy.ndimage.
gaussian_laplace#
- scipy.ndimage.gaussian_laplace(input, sigma, output=None, mode='reflect', cval=0.0, **kwargs)[source]#
使用高斯二阶导数的多维拉普拉斯滤波器。
- 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为每个轴指定,或作为单个数字,在这种情况下对所有轴都相同。
- output数组或 dtype,可选
放置输出的数组,或返回数组的 dtype。默认情况下,将创建与输入相同 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数的模式序列,可以在每个轴上指定不同的模式。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。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)
输入通过用由 cval 参数定义的相同常数值填充边缘以外的所有值来扩展。
- ‘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。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)
输入通过包裹到相对边缘来扩展。
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_laplacendarray
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 >>> 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()