minimum_filter#
- scipy.ndimage.minimum_filter(input, size=None, footprint=None, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)[source]#
计算多维最小值滤波器。
- 参数:
- inputarray_like
输入数组。
- size标量或元组，可选
参见下面的 footprint。如果给出 footprint，则忽略。
- footprint数组，可选
必须定义 size 或 footprint。 size 给出从输入数组中获取的形状，在每个元素位置，以定义过滤器函数的输入。 footprint 是一个布尔数组，它（隐式地）指定一个形状，但也指定该形状中的哪些元素将被传递到过滤器函数。 因此
size=(n,m)等效于footprint=np.ones((n,m))。 我们根据输入数组的维数调整 size，所以，如果输入数组的形状是 (10,10,10)，而 size 是 2，那么实际使用的 size 为 (2,2,2)。 当给出 footprint 时，size 将被忽略。- output数组或 dtype，可选
要放置输出的数组，或返回数组的 dtype。 默认情况下，将创建与输入相同 dtype 的数组。
- mode字符串或序列，可选
mode 参数决定当过滤器与边界重叠时，如何扩展输入数组。 通过传递一个长度等于输入数组维数的模式序列，可以在每个轴上指定不同的模式。 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)
输入通过关于最后一个像素的边缘反射来扩展。 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 cval 参数定义的相同常数值填充边缘以外的所有值来扩展。
- ‘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)
输入通过关于最后一个像素的中心反射来扩展。 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)
输入通过包裹到相对边缘来扩展。
为了与插值函数保持一致，还可以使用以下模式名称
- ‘grid-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以外的值。 默认值为 0.0。
- origin整数或序列，可选
控制过滤器在输入数组的像素上的放置。 值为 0（默认值）将过滤器居中在像素上，正值将过滤器向左移动，负值将过滤器向右移动。 通过传递一个长度等于输入数组维数的原点序列，可以在每个轴上指定不同的移位。
- axes整数元组或 None，可选
如果为 None，则 input 沿所有轴进行过滤。 否则，input 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。
- 返回值:
- minimum_filterndarray
过滤后的数组。 与 input 具有相同的形状。
注释
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()
