rank_filter#
- scipy.ndimage.rank_filter(input, rank, size=None, footprint=None, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)[source]#
计算一个多维排序滤波器。
- 参数:
- inputarray_like
输入数组。
- rankint
排序参数可以小于零，例如，rank = -1 表示最大的元素。
- 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，但也指定了此形状中的哪些元素将传递给过滤函数。 因此
size=(n,m)等同于footprint=np.ones((n,m))。 我们将 size 调整到输入数组的维数，所以如果输入数组的形状是 (10,10,10)，而 size 是 2，那么实际使用的尺寸将是 (2,2,2)。 当给出 footprint 时，忽略 size。- 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 input 相同 dtype 的数组。
- mode{‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’}，可选
mode 参数决定输入数组如何扩展到其边界之外。 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)
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 参数定义的相同常量值填充所有超出边缘的值来扩展。
- ‘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)
输入通过环绕到相对边缘来扩展。
为了与插值函数保持一致，还可以使用以下模式名称
- ‘grid-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’，则用于填充输入边缘之外的值。 默认值为 0.0。
- originint 或序列，可选
控制过滤器在输入数组的像素上的放置。 值 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 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。
- 返回:
- rank_filterndarray
过滤后的数组。 与 input 具有相同的形状。
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.rank_filter(ascent, rank=42, size=20) >>> ax1.imshow(ascent) >>> ax2.imshow(result) >>> plt.show()
