rank_filter#
- scipy.ndimage.rank_filter(input, rank, size=None, footprint=None, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)[源代码]#
计算多维秩滤波器。
- 参数:
- inputarray_like
输入数组。
- rankint
秩参数可以小于零，即 rank = -1 表示最大的元素。
- size标量或元组，可选
请参阅下面的 footprint。如果给出了 footprint，则忽略此参数。
- footprint数组，可选
必须定义 size 或 footprint。 size 给出了从输入数组中提取的形状，在每个元素位置，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传递给滤波器函数。因此，
size=(n,m)等价于footprint=np.ones((n,m))。我们根据输入数组的维度调整 size，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)。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，将创建一个与输入相同 dtype 的数组。
- mode{‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’}, 可选
mode 参数决定了输入数组如何在其边界之外扩展。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。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)
通过使用相同的常量值填充边缘之外的所有值来扩展输入，该常量值由 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)
通过环绕到相反的边缘来扩展输入。
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。值为 0（默认值）将滤波器居中放置在像素上方，正值将滤波器向左移动，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:
- rank_filterndarray
过滤后的数组。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.rank_filter(ascent, rank=42, size=20) >>> ax1.imshow(ascent) >>> ax2.imshow(result) >>> plt.show()
