percentile_filter#
- scipy.ndimage.percentile_filter(input, percentile, size=None, footprint=None, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)[源代码]#
计算多维百分位滤波器。
- 参数:
- inputarray_like
输入数组。
- percentile标量
百分位参数可以小于零，即 percentile = -20 等于 percentile = 80
- size标量或元组，可选
参见下面的 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 之一。size 给出了从输入数组中获取的形状，在每个元素位置，以定义滤波函数的输入。footprint 是一个布尔数组，它（隐式地）指定一个形状，以及该形状中的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数，因此，如果输入数组的形状为 (10,10,10)，而 size 为 2，则实际使用的 size 为 (2,2,2)。当给出 footprint 时，将忽略 size。- 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 参数确定如何将输入数组扩展到其边界之外。默认值为“reflect”。每个有效值的行为如下：
- 'reflect' (d c b a | a b c d | d c b a)
通过反射最后一个像素的边缘来扩展输入。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)
通过用由 cval 参数定义的相同常量值填充边缘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)
通过反射最后一个像素的中心来扩展输入。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)
通过环绕到相对的边缘来扩展输入。
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”，则填充输入边缘之外的值。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放置位置。值为 0（默认值）将滤波器置于像素的中心，正值将滤波器向左移动，而负值将滤波器向右移动。通过传递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。
- axes整数的元组或 None，可选
如果为 None，则沿所有轴过滤 input。否则，沿指定的轴过滤 input。当指定 axes 时，用于 size、origin 和/或 mode 的任何元组的长度都必须与 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:
- percentile_filterndarray
已过滤的数组。具有与 input 相同的形状。
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.percentile_filter(ascent, percentile=20, size=20) >>> ax1.imshow(ascent) >>> ax2.imshow(result) >>> plt.show()
