minimum_filter#
- scipy.ndimage.minimum_filter(input, size=None, footprint=None, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)[源代码]#
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
请参阅下面的 footprint。如果给定了 footprint，则忽略。
- footprint数组，可选
必须定义 size 或 footprint 之一。size 给出了从输入数组的每个元素位置获取的形状，以定义滤波器函数的输入。footprint 是一个布尔数组，它（隐式地）指定一个形状，以及该形状内的哪些元素将被传递给滤波器函数。因此，
size=(n,m)等效于footprint=np.ones((n,m))。我们会将 size 调整为输入数组的维数，因此，如果输入数组的形状为 (10,10,10)，并且 size 为 2，则实际使用的 size 为 (2,2,2)。如果给定了 footprint，则忽略 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。
- modestr 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。通过传递一个长度等于输入数组维数的模式序列，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)
通过反射最后一个像素的边缘来扩展输入。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)
通过用相同的常量值填充边缘之外的所有值来扩展输入，该值由 cval 参数定义。
- “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)
通过反射最后一个像素的中心来扩展输入。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)
通过环绕到相对边缘来扩展输入。
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”，则填充输入边缘外的值。默认值为 0.0。
- originint 或序列，可选
控制滤波器在输入数组像素上的放置。值 0（默认值）将滤波器居中放置在像素上，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数的原点序列，可以沿每个轴指定不同的偏移量。
- axesint 或 None 的元组，可选
如果为 None，则沿所有轴过滤 input。否则，沿指定的轴过滤 input。指定 axes 时，用于 size、origin 和/或 mode 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:
- minimum_filterndarray
已过滤的数组。具有与 input 相同的形状。
备注
仅当足迹可分离时，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()
