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)[源代码]#

应用任意几何变换。

给定映射函数用于为输出中的每个点查找输入中的相应坐标。输入在这些坐标处的值由所需阶数的样条插值确定。

参数:
input类数组

输入数组。

mapping{可调用对象, 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,并返回相应的输入坐标作为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数组或数据类型,可选

用于放置输出的数组,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。

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 决定输入数组如何在其边界之外扩展。默认为 'constant'。每个有效值的行为如下(参见 边界模式 的额外图表和详细信息)

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

通过最后一个像素的边缘反射来扩展输入。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)

通过用由 cval 参数定义的相同常量值填充边界之外的所有值来扩展输入。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)

通过用由 cval 参数定义的相同常量值填充边界之外的所有值来扩展输入。对于输入范围之外的样本也会进行插值。

‘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)

通过最后一个像素的中心反射来扩展输入。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)

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精确重叠。在这种情况下,重叠点将选择哪个样本未明确定义。

cval标量,可选

如果 mode 为 'constant',用于填充输入超出边界的值。默认为0.0。

prefilter布尔值,可选

确定在插值之前是否使用 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,输出会略微模糊,除非输入已经过预过滤,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_keywords字典,可选

传递给 mapping 的额外关键字。

返回:
outputndarray

过滤后的输入。

注意事项

此函数还接受具有以下签名之一并封装在 scipy.LowLevelCallable 中的低级回调函数

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,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。回调函数必须在 input_coordinates 中返回输入需要插值的坐标。输入和输出数组的秩分别由 input_rankoutput_rank 给出。user_data 是提供给 scipy.LowLevelCallable 的数据指针。

回调函数必须返回一个整数错误状态,如果出现问题则为零,否则为一。如果发生错误,您通常应在返回之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,不应在新代码中使用。

对于复数值 input,此函数独立地转换实部和虚部。

1.6.0 版新增: 增加了复数值支持。

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])