scipy.ndimage.

geometric_transform

scipy.ndimage.geometric_transform(input, mapping, output_shape=None, output=None, order=3, mode='constant', cval=0.0, prefilter=True, extra_arguments=(), extra_keywords=None)

应用任意几何变换。

给定的映射函数用于查找输出中每个点的输入坐标。输入在这些坐标处的值由请求阶数的样条插值确定。

参数:

inputarray_like

输入数组。

mapping{callable, scipy.LowLevelCallable}

一个可调用对象，它接受一个长度等于输出数组秩的元组，并返回对应的输入坐标，形式为长度等于输入数组秩的元组。

output_shapetuple of ints, 可选

形状元组。

outputarray 或 dtype, 可选

放置输出的数组，或返回数组的数据类型。默认情况下，将创建与输入数据类型相同的数组。

orderint, 可选

样条插值的阶数，默认值为 3。阶数必须在 0-5 的范围内。

mode{‘reflect’, ‘grid-mirror’, ‘constant’, ‘grid-constant’, ‘nearest’, ‘mirror’, ‘grid-wrap’, ‘wrap’}, 可选

mode 参数确定如何将输入数组扩展到其边界之外。默认值为 ‘constant’。每个有效值的行为如下（请参阅关于边界模式的更多绘图和详细信息）

‘reflect’ (d c b a | a b c d | d c b a)

通过反射最后一个像素的边缘来扩展输入。这种模式有时也称为半采样对称。

‘grid-mirror’

这是 ‘reflect’ 的同义词。

‘constant’ (k k k k | a b c d | k k k k)

通过用相同的常量值填充边缘之外的所有值来扩展输入，该常量值由 cval 参数定义。不会对输入的边缘之外执行插值。

‘grid-constant’ (k k k k | a b c d | k k k k)

通过用相同的常量值填充边缘之外的所有值来扩展输入，该常量值由 cval 参数定义。插值也会发生在输入范围之外的样本上。

‘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)

通过反射最后一个像素的中心来扩展输入。这种模式有时也称为全采样对称。

‘grid-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。

‘wrap’ (d b c d | a b c d | b c a b)

通过环绕到对边来扩展输入，但方式是使最后一个点和初始点完全重叠。在这种情况下，在重叠点处将选择哪个样本没有明确定义。

cval标量, 可选

如果 mode 为 ‘constant’，则填充输入边缘之外的值。默认值为 0.0。

prefilterbool, 可选

确定是否在插值之前使用 spline_filter 对输入数组进行预滤波。默认值为 True，如果 order > 1，这将创建一个经过滤波的临时 float64 数组。如果将其设置为 False，则如果 order > 1，则输出将略微模糊，除非输入已预先滤波，即它是调用 spline_filter 在原始输入上的结果。

extra_argumentstuple, 可选

传递给 mapping 的额外参数。

extra_keywordsdict, 可选

传递给 mapping 的额外关键字。

返回:

outputndarray

滤波后的输入。

另请参阅

map_coordinates, affine_transform, spline_filter1d

备注

此函数还接受具有以下签名之一的低级回调函数，并包装在 scipy.LowLevelCallable 中

int mapping(npy_intp *output_coordinates, double *input_coordinates,
            int output_rank, int input_rank, void *user_data)
int mapping(intptr_t *output_coordinates, double *input_coordinates,
            int output_rank, int input_rank, void *user_data)

调用函数遍历输出数组的元素，并在每个元素处调用回调函数。当前输出元素的坐标通过 output_coordinates 传递。回调函数必须返回必须在 input_coordinates 中插值的输入的坐标。输入和输出数组的秩分别由 input_rank 和 output_rank 给出。user_data 是按原样提供给 scipy.LowLevelCallable 的数据指针。

回调函数必须返回一个整数错误状态，如果出现问题，该状态为零，否则为一。如果发生错误，您通常应该在使用有意义的消息返回之前设置 Python 错误状态，否则调用函数会设置默认错误消息。

此外，还接受一些其他低级函数指针规范，但这些规范仅用于向后兼容，不应在新代码中使用。

对于复数值 input，此函数独立变换实部和虚部。

在 1.6.0 版本中添加: 添加了复数值支持。

示例

在您的浏览器中尝试！

>>> import numpy as np
>>> from scipy.ndimage import geometric_transform
>>> a = np.arange(12.).reshape((4, 3))
>>> def shift_func(output_coords):
...     return (output_coords[0] - 0.5, output_coords[1] - 0.5)
...
>>> geometric_transform(a, shift_func)
array([[ 0.   ,  0.   ,  0.   ],
       [ 0.   ,  1.362,  2.738],
       [ 0.   ,  4.812,  6.187],
       [ 0.   ,  8.263,  9.637]])

>>> b = [1, 2, 3, 4, 5]
>>> def shift_func(output_coords):
...     return (output_coords[0] - 3,)
...
>>> geometric_transform(b, shift_func, mode='constant')
array([0, 0, 0, 1, 2])
>>> geometric_transform(b, shift_func, mode='nearest')
array([1, 1, 1, 1, 2])
>>> geometric_transform(b, shift_func, mode='reflect')
array([3, 2, 1, 1, 2])
>>> geometric_transform(b, shift_func, mode='wrap')
array([2, 3, 4, 1, 2])

返回在新标签页中打开