scipy.ndimage.

maximum#

scipy.ndimage.maximum(input, labels=None, index=None)[source]#

计算数组中标记区域的值的最大值。

参数：:

inputarray_like: 数值的类数组。对于 labels 指定的每个区域，计算 input 在该区域上的最大值。
labelsarray_like, 可选: 一个整数数组，标记要计算 input 最大值的区域。 labels 必须与 input 的形状相同。如果未指定 labels，则返回整个数组的最大值。
indexarray_like, 可选: 要考虑计算最大值的区域标签列表。如果 index 为 None，则返回 labels 非零的所有元素的最大值。

返回值：:

outputfloat 或 float 列表: 由 labels 确定的区域以及其索引在 index 中的 input 的最大值列表。如果未指定 index 或 labels，则返回一个浮点数：如果 labels 为 None，则为 input 的最大值；如果 index 为 None，则为 labels 大于零的元素的最大值。

另请参阅

label, minimum, median, maximum_position, extrema, sum, mean, variance
standard_deviation

说明

该函数返回一个 Python 列表，而不是 NumPy 数组，使用 np.array 将列表转换为数组。

示例

>>> import numpy as np
>>> a = np.arange(16).reshape((4,4))
>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])
>>> labels = np.zeros_like(a)
>>> labels[:2,:2] = 1
>>> labels[2:, 1:3] = 2
>>> labels
array([[1, 1, 0, 0],
       [1, 1, 0, 0],
       [0, 2, 2, 0],
       [0, 2, 2, 0]])
>>> from scipy import ndimage
>>> ndimage.maximum(a)
15.0
>>> ndimage.maximum(a, labels=labels, index=[1,2])
[5.0, 14.0]
>>> ndimage.maximum(a, labels=labels)
14.0

>>> b = np.array([[1, 2, 0, 0],
...               [5, 3, 0, 4],
...               [0, 0, 0, 7],
...               [9, 3, 0, 0]])
>>> labels, labels_nb = ndimage.label(b)
>>> labels
array([[1, 1, 0, 0],
       [1, 1, 0, 2],
       [0, 0, 0, 2],
       [3, 3, 0, 0]])
>>> ndimage.maximum(b, labels=labels, index=np.arange(1, labels_nb + 1))
[5.0, 7.0, 9.0]