scipy.ndimage.

prewitt#

scipy.ndimage.prewitt(input, axis=-1, output=None, mode='reflect', cval=0.0)[source]#

计算 Prewitt 滤波器。

参数:
inputarray_like

输入数组。

axisint, 可选

计算 input 的轴,默认值为 -1。

output数组或数据类型,可选

放置输出的数组,或返回数组的数据类型。默认情况下,将创建一个与 input 相同数据类型数组。

mode字符串或序列,可选

mode 参数决定了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度数量的模式序列,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)

通过关于最后一个像素边缘的反射来扩展输入。这种模式有时也被称为半样本对称。

‘constant’ (k k k k | a b c d | k k k k)

通过使用由 cval 参数定义的相同常数值填充所有超出边缘的值来扩展输入。

‘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)

通过关于最后一个像素中心的反射来扩展输入。这种模式有时也被称为全样本对称。

‘wrap’ (a b c d | a b c d | a b c d)

通过包裹到相反边缘来扩展输入。

为了与插值函数保持一致,以下模式名称也可以使用

‘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。默认值为 0.0。

返回值:
prewittndarray

已过滤的数组。与 input 具有相同的形状。

参见

sobel

Sobel 滤波器

备注

此函数计算一维 Prewitt 滤波器。水平变换(axis=0)强调水平边缘,垂直变换(axis=1)强调垂直边缘,更高维也是如此。这些可以组合起来得到幅度。

示例

>>> from scipy import ndimage, datasets
>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> ascent = datasets.ascent()
>>> prewitt_h = ndimage.prewitt(ascent, axis=0)
>>> prewitt_v = ndimage.prewitt(ascent, axis=1)
>>> magnitude = np.sqrt(prewitt_h ** 2 + prewitt_v ** 2)
>>> magnitude *= 255 / np.max(magnitude) # Normalization
>>> fig, axes = plt.subplots(2, 2, figsize = (8, 8))
>>> plt.gray()
>>> axes[0, 0].imshow(ascent)
>>> axes[0, 1].imshow(prewitt_h)
>>> axes[1, 0].imshow(prewitt_v)
>>> axes[1, 1].imshow(magnitude)
>>> titles = ["original", "horizontal", "vertical", "magnitude"]
>>> for i, ax in enumerate(axes.ravel()):
...     ax.set_title(titles[i])
...     ax.axis("off")
>>> plt.show()
../../_images/scipy-ndimage-prewitt-1.png