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={})

应用任意几何变换。

给定的映射函数用于为输出中的每个点找到输入中的对应坐标。输入在这些坐标处的数值通过请求阶数的样条插值确定。

参数：:

input类数组

输入数组。

mapping{callable, scipy.LowLevelCallable}

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

output_shape整数元组，可选

形状元组。

output数组或 dtype，可选

要放置输出的数组，或返回数组的 dtype。默认情况下，将创建与输入相同 dtype 的数组。

order整数，可选

样条插值的阶数，默认为 3。阶数必须在 0-5 范围内。

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

参数 mode 决定了输入数组如何扩展到其边界之外。默认值为 ‘constant’。每个有效值的具体行为如下（有关更多绘图和详细信息，请参见 边界模式）

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

通过关于最后一个像素边缘的反射来扩展输入。此模式有时也被称为半样本对称。

‘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 cval 参数定义的相同常数值填充所有超出边缘的值来扩展输入。在输入边缘之外不执行插值。

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

通过用 cval 参数定义的相同常数值填充所有超出边缘的值来扩展输入。对于输入范围之外的样本也执行插值。

‘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)

通过关于最后一个像素中心的反射来扩展输入。此模式有时也被称为全样本对称。

‘grid-wrap’ (a b c d | a b c d | a b c d)

通过环绕到对面的边缘来扩展输入。

‘wrap’ (d b c d | a b c d | b c a b)

通过环绕到对面的边缘来扩展输入，但以一种方式进行，使得最后一个点和初始点完全重叠。在这种情况下，在重叠点处选择哪个样本是不确定的。

cval标量，可选

如果 mode 为 ‘constant’，则用于填充输入边缘之外的值。默认为 0.0。

prefilter布尔值，可选

决定在插值之前是否使用 spline_filter 对输入数组进行预滤波。默认值为 True，如果 order > 1，它将创建一个用于滤波值的临时 float64 数组。如果将其设置为 False，则如果 order > 1，输出将略微模糊，除非输入是预滤波的，即它是对原始输入调用 spline_filter 的结果。

extra_arguments元组，可选

传递给 mapping 的额外参数。

extra_keywords字典，可选

传递给 mapping 的额外关键字。

返回值：:

outputndarray

经过滤波的输入。

另请参见

map_coordinates, affine_transform, spline_filter1d

注释

此函数还接受以下签名之一的低级回调函数，并用 scipy.LowLevelCallable 包装

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)

调用函数迭代输出数组的元素，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 中对输入进行插值的坐标。输入和输出数组的秩分别由 input_rank 和 output_rank 给出。 user_data 是作为 scipy.LowLevelCallable 提供的数据指针，保持原样。

回调函数必须返回一个整数错误状态，如果出现错误则为零，否则为一。如果发生错误，您应该通常在返回之前使用信息性消息设置 Python 错误状态，否则调用函数将设置默认错误消息。

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性，不应在新的代码中使用。

对于复数值的 input，此函数独立地变换实部和虚部。

在版本 1.6.0 中添加： 添加了复数值支持。

示例

在您的浏览器中尝试一下！

>>> 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])

返回在新选项卡中打开