scipy.ndimage.

maximum_filter#

scipy.ndimage.maximum_filter(input, size=None, footprint=None, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)[source]#

计算多维最大值滤波器。

参数:
inputarray_like

输入数组。

size标量或元组,可选

参见下文的 `footprint`。如果提供了 `footprint`,则忽略此参数。

footprint数组,可选

必须定义 `size` 或 `footprint` 中的一个。`size` 定义了从输入数组中每个元素位置获取的形状,以作为滤波器函数的输入。`footprint` 是一个布尔数组,它(隐式地)指定了一个形状,同时也指定了该形状内哪些元素将传递给滤波器函数。因此,size=(n,m) 等同于 footprint=np.ones((n,m))。我们会根据输入数组的维度调整 `size`,因此,如果输入数组的形状是 (10,10,10),并且 `size` 为 2,那么实际使用的尺寸将是 (2,2,2)。当提供了 `footprint` 时,`size` 将被忽略。

output数组或数据类型,可选

用于存放输出的数组,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。

mode字符串或序列,可选

`mode` 参数决定了当滤波器与边界重叠时,输入数组如何进行扩展。通过传递一个长度等于输入数组维度的模式序列,可以为每个轴指定不同的模式。默认值为 'reflect'。有效值及其行为如下:

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

通过围绕最后一个像素的边缘进行反射来扩展输入。此模式有时也称为半样本对称。

‘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界以外的所有值来扩展输入。

‘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)

通过围绕最后一个像素的中心进行反射来扩展输入。此模式有时也称为全样本对称。

‘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。

为与插值函数保持一致,也可以使用以下模式名称:

‘grid-constant’

这是 'constant' 的同义词。

‘grid-mirror’

这是 'reflect' 的同义词。

‘grid-wrap’

这是 'wrap' 的同义词。

cval标量,可选

如果 `mode` 为 'constant',用于填充输入边缘以外区域的值。默认值为 0.0。

origin整数或序列,可选

控制滤波器在输入数组像素上的位置。值为 0(默认值)将滤波器居中于像素,正值将滤波器向左移动,负值向右移动。通过传递一个长度等于输入数组维度的原点序列,可以为每个轴指定不同的偏移。

axes整数元组或 None,可选

如果为 `None`,则 `input` 沿所有轴进行滤波。否则,`input` 沿指定的轴进行滤波。当指定 `axes` 时,`size`、`origin` 和/或 `mode` 中使用的任何元组必须与 `axes` 的长度匹配。这些元组中的第 i 个条目对应于 `axes` 中的第 i 个条目。

返回:
maximum_filterndarray

滤波后的数组。与 `input` 具有相同的形状。

备注

模式序列(每个轴一个)仅在 `footprint` 可分离时受支持。否则,必须提供单个模式字符串。

此函数处理 NaN 元素时的行为未定义。要控制 NaN 存在时的行为,请考虑使用 vectorized_filter

示例

>>> from scipy import ndimage, datasets
>>> import matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> plt.gray()  # show the filtered result in grayscale
>>> ax1 = fig.add_subplot(121)  # left side
>>> ax2 = fig.add_subplot(122)  # right side
>>> ascent = datasets.ascent()
>>> result = ndimage.maximum_filter(ascent, size=20)
>>> ax1.imshow(ascent)
>>> ax2.imshow(result)
>>> plt.show()
../../_images/scipy-ndimage-maximum_filter-1.png