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)[源码]#

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。输入在该坐标处的值通过指定阶数的样条插值确定。

参数:
inputarray_like

输入数组。

mapping{可调用对象, scipy.LowLevelCallable}

一个可调用对象，它接受一个长度等于输出数组秩（rank）的元组，并返回一个长度等于输入数组秩的元组，代表相应的输入坐标。

output_shape整数元组，可选

形状元组。

outputarray or dtype, optional

放置输出的数组，或返回数组的数据类型。默认情况下，将创建一个与输入具有相同数据类型的数组。

orderint, optional

样条插值的阶数，默认为 3。阶数必须在 0-5 的范围内。

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

mode 参数决定了输入数组如何在边界之外进行扩展。默认为 ‘constant’。每个有效值的行为如下（请参阅额外的图和有关 边界模式 的详细信息）。

'reflect' (d c b a | a b c d | d c b a)

输入通过最后像素的边缘反射进行扩展。此模式有时也称为半样本对称。

‘grid-mirror’

这是 ‘reflect’ 的同义词。

'constant' (k k k k | a b c d | k k k k)

输入通过用由 cval 参数定义的相同常数值填充所有边界之外的值来扩展。在输入边界之外不执行插值。

‘grid-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所有边界之外的值来扩展。插值也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)

输入通过复制最后像素进行扩展。

'mirror' (d c b | a b c d | c b a)

输入通过最后像素的中心反射进行扩展。此模式有时也称为全样本对称。

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

输入通过环绕到对边进行扩展。

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

输入通过环绕到相反的边缘来扩展，但方式是使最后一个点和初始点完全重叠。在这种情况下，在重叠点处选择哪个样本并未明确定义。

对于上面说明的示例，边缘值 a 和 d 重叠，而内部模式 b c 重复。该示例展示了一种可能的输出，而 b c a b c | a b c d | b c d b c 是另一种，因为在每个重叠点处都可能出现 a 或 d。

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。

prefilterbool, optional

确定在插值前是否使用 spline_filter 对输入数组进行预过滤。默认为 True，如果 order > 1，这将创建一个临时的 float64 过滤值数组。如果将其设置为 False，当 order > 1 时，输出会稍微模糊，除非输入已预过滤，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_keywordsdict, optional

传递给 mapping 的额外关键字参数。

返回:
outputndarray

过滤后的输入。

另请参阅

map_coordinates, affine_transform, spline_filter1d

附注

此函数还接受具有以下签名之一并包装在 scipy.LowLevelCallable 中的底层回调函数。

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，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。回调函数必须在 input_coordinates 中返回进行插值所需的输入坐标。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，如果出错则返回零，否则返回一。如果发生错误，通常应在返回前设置带有信息性消息的 Python 错误状态，否则调用函数将设置默认的错误消息。

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

对于复数类型的 input，此函数分别对实部和虚部进行变换。

1.6.0 版本已添加： 添加了复值支持。

数组 API 标准支持

geometric_transform 除了 NumPy 之外，还对兼容 Python 数组 API 标准的后端提供了实验性支持。请考虑通过设置环境变量 SCIPY_ARRAY_API=1 并提供 CuPy、PyTorch、JAX 或 Dask 数组作为数组参数来测试这些功能。支持以下后端和设备（或其他功能）的组合。

库

CPU

GPU

NumPy

✅

不适用

CuPy

不适用

⛔

PyTorch

✅

⛔

JAX

⚠️ 无 JIT

⛔

Dask

⚠️ 计算图

不适用

有关更多信息，请参阅 对数组 API 标准的支持。

示例

>>> 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])
本页内容