scipy.ndimage.

map_coordinates#

scipy.ndimage.map_coordinates(input, coordinates, output=None, order=3, mode='constant', cval=0.0, prefilter=True)[源代码]#

通过插值将输入数组映射到新的坐标。

坐标数组用于查找输出中每个点在输入中对应的坐标。输入在这些坐标处的值由请求阶数的三次样条插值确定。

输出的形状是通过删除第一个轴从坐标数组的形状派生的。数组沿第一个轴的值是输入数组中找到输出值的坐标。

参数:

inputarray_like

输入数组。

coordinatesarray_like

评估input的坐标。

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，将创建一个与输入相同 dtype 的数组。

orderint，可选

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’}, 可选

mode 参数确定输入数组如何超出其边界进行扩展。默认为 ‘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。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 cval 参数定义的相同常量值填充边缘之外的所有值来扩展输入。在输入的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 参数定义的相同常量值填充边缘之外的所有值来扩展输入。插值也发生在输入范围之外的样本。
‘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。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): 通过包裹到相反的边缘来扩展输入。
‘wrap’ (d b c d | a b c d | b c a b): 通过包裹到相反的边缘来扩展输入，但方式是最后一个点和初始点完全重叠。在这种情况下，在重叠点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。默认为 True，如果 order > 1，则会创建一个过滤值的临时 float64 数组。如果将其设置为 False，则如果 order > 1，则输出将略微模糊，除非输入已预先过滤，即它是调用原始输入上的 spline_filter 的结果。

返回:

map_coordinatesndarray: 转换输入的结果。输出的形状是通过删除第一个轴从 coordinates 的形状派生的。

另请参阅

spline_filter, geometric_transform, scipy.interpolate

注释

对于复数值的 input，此函数会独立映射实部和虚部。

1.6.0 版本新增: 添加了对复数值的支持。

示例

>>> from scipy import ndimage
>>> import numpy as np
>>> a = np.arange(12.).reshape((4, 3))
>>> a
array([[  0.,   1.,   2.],
       [  3.,   4.,   5.],
       [  6.,   7.,   8.],
       [  9.,  10.,  11.]])
>>> ndimage.map_coordinates(a, [[0.5, 2], [0.5, 1]], order=1)
array([ 2.,  7.])

上面，a[0.5, 0.5] 的插值给出 output[0]，而 a[2, 1] 是 output[1]。

>>> inds = np.array([[0.5, 2], [0.5, 4]])
>>> ndimage.map_coordinates(a, inds, order=1, cval=-33.3)
array([  2. , -33.3])
>>> ndimage.map_coordinates(a, inds, order=1, mode='nearest')
array([ 2.,  8.])
>>> ndimage.map_coordinates(a, inds, order=1, cval=0, output=bool)
array([ True, False], dtype=bool)