median_filter#
- scipy.ndimage.median_filter(input, size=None, footprint=None, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)[源代码]#
计算多维中值滤波器。
- 参数:
- inputarray_like
输入数组。
- size标量或元组，可选
请参阅下面的 footprint。如果给定了 footprint，则忽略此参数。
- footprint数组，可选
必须定义 size 或 footprint。 size 给出了从输入数组中提取的形状，在每个元素位置，以定义滤波器函数的输入。 footprint 是一个布尔数组，它（隐式地）指定了一个形状，但也指定了此形状内的哪些元素将传递给滤波器函数。因此，
size=(n,m)等价于footprint=np.ones((n,m))。 我们调整 size 以匹配输入数组的维数，因此，如果输入数组的形状为 (10,10,10)，并且 size 为 2，那么实际使用的尺寸为 (2,2,2)。当给定 footprint 时，将忽略 size。- 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，将创建一个与输入具有相同 dtype 的数组。
- mode{‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘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 ‘reflect’。 每个有效值的行为如下
- ‘reflect’ (d c b a | a b c d | d c b a)
输入通过围绕最后一个像素的边缘反射进行扩展。 这种模式有时也称为半采样对称。
- ‘constant’ (k k k k | a b c d | k k k k)
输入通过用相同的常量值填充边缘之外的所有值进行扩展，该常量值由 cval 参数定义。
- ‘nearest’ (a a a a | a b c d | d d d d)
输入通过复制最后一个像素进行扩展。
- ‘mirror’ (d c b | a b c d | c b a)
输入通过围绕最后一个像素的中心反射进行扩展。 这种模式有时也称为全采样对称。
- ‘wrap’ (a b c d | a b c d | a b c d)
输入通过环绕到相对边缘进行扩展。
为了与插值函数保持一致，还可以使用以下模式名称
- ‘grid-mirror’
这是 ‘reflect’ 的同义词。
- ‘grid-constant’
这是 ‘constant’ 的同义词。
- ‘grid-wrap’
这是 ‘wrap’ 的同义词。
- cval标量，可选
如果 mode 为 ‘constant’，则用此值填充输入边缘之外的区域。默认为 0.0。
- origin整数或序列，可选
控制滤波器在输入数组像素上的放置。 值为 0（默认值）将滤波器置于像素中心，正值将滤波器向左移动，负值将滤波器向右移动。 通过传递一个与输入数组维度数相同的原点序列，可以沿着每个轴指定不同的偏移。
- axes整数元组或 None，可选
如果为 None，则沿着所有轴过滤 input。 否则，将沿着指定的轴过滤 input。 当指定 axes 时，用于 size、origin 和/或 mode 的任何元组都必须与 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:
- median_filterndarray
过滤后的数组。 与 input 具有相同的形状。
注释
对于具有
uint8、float32或float64dtypes 的二维图像，专门的函数scipy.signal.medfilt2d可能更快。 但是，它仅限于cval=0的常量模式。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.median_filter(ascent, size=20) >>> ax1.imshow(ascent) >>> ax2.imshow(result) >>> plt.show()
