minimum_filter#
- scipy.ndimage.minimum_filter(input, size=None, footprint=None, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)[source]#
计算多维最小滤波器。
- 参数:
- inputarray_like
输入数组。
- size标量或元组，可选
参见下面的 footprint。如果给定 footprint，则忽略此参数。
- footprint数组，可选
size 或 footprint 必须定义其中一个。size 指定从输入数组的每个元素位置取出的形状，以定义滤波函数的输入。footprint 是一个布尔数组，它（隐式地）指定了一个形状，以及该形状内哪些元素将传递给滤波函数。因此
size=(n,m)等效于footprint=np.ones((n,m))。我们将 size 调整为输入数组的维度数量，因此如果输入数组的形状是 (10,10,10)，并且 size 是 2，则实际使用的尺寸是 (2,2,2)。当给定 footprint 时，size 将被忽略。- output数组或 dtype，可选
用于放置输出的数组，或返回数组的 dtype。默认情况下，将创建与输入具有相同 dtype 的数组。
- mode字符串或序列，可选
mode 参数确定当滤波器与边界重叠时如何扩展输入数组。通过传入一个长度等于输入数组维数模式序列，可以沿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)
输入通过围绕最后一个像素的边缘进行反射来扩展。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)
输入通过用相同的常量值（由 cval 参数定义）填充超出边缘的所有值来扩展。
- ‘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来扩展。
- ‘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进行反射来扩展。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)
输入通过环绕到对边来扩展。
为了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'，则用于填充输入边缘之外的值。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）表示滤波器居中于像素，正值将滤波器向左移动，负值向右移动。通过传入一个长度等于输入数组维数的原点序列，可以沿每个轴指定不同的偏移量。
- axes整数元组或 None，可选
如果为 None，则 input 将沿所有轴进行过滤。否则，input 将沿指定的轴进行过滤。当指定 axes 时，用于 size、origin 和/或 mode 的任何元组长度必须与 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:
- minimum_filterndarray
过滤后的数组。形状与 input 相同。
注意事项
仅当 footprint 可分离时才支持模式序列（每个轴一个）。否则，必须提供单个模式字符串。
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.minimum_filter(ascent, size=20) >>> ax1.imshow(ascent) >>> ax2.imshow(result) >>> plt.show()
