scipy.ndimage.

rotate

scipy.ndimage.rotate(input, angle, axes=(1, 0), reshape=True, output=None, order=3, mode='constant', cval=0.0, prefilter=True)

旋转数组。

使用请求的阶数的样条插值，在由 axes 参数指定的两个轴定义的平面内旋转数组。

参数:

inputarray_like

输入数组。

anglefloat

旋转角度，以度为单位。

axes包含 2 个整数的元组，可选

定义旋转平面的两个轴。默认是前两个轴。

reshapebool，可选

如果 reshape 为真，则输出形状将被调整，以便输入数组完全包含在输出中。默认值为 True。

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，将创建与输入相同 dtype 的数组。

orderint，可选

样条插值的阶数，默认值为 3。阶数必须在 0-5 的范围内。

mode{‘reflect’，‘grid-mirror’，‘constant’，‘grid-constant’，‘nearest’，‘mirror’，‘grid-wrap’，‘wrap’}，可选

mode 参数确定如何扩展输入数组超出其边界。默认值为 ‘constant’。每个有效值的行为如下（参见 边界模式 上的附加绘图和详细信息）

‘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边缘的反射来扩展。这种模式有时也被称为半样本对称。

‘grid-mirror’

这是 ‘reflect’ 的同义词。

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

输入通过用 cval 参数定义的相同常数值填充超出边缘的所有值来扩展。在输入边缘之外不执行插值。

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

输入通过用 cval 参数定义的相同常数值填充超出边缘的所有值来扩展。对于输入范围之外的样本也会进行插值。

‘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中心的反射来扩展。这种模式有时也被称为全样本对称。

‘grid-wrap’ (a b c d | a b c d | a b c d)

输入通过绕到另一边来扩展。

‘wrap’ (d b c d | a b c d | b c a b)

输入通过绕到另一边来扩展，但以最后一点和初始点完全重叠的方式。在这种情况下，在重叠点选择哪个样本没有明确定义。

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。

prefilterbool，可选

确定在插值之前是否用 spline_filter 对输入数组进行预滤波。默认值为 True，如果 order > 1，则将创建已过滤值的临时 float64 数组。如果将其设置为 False，则如果 order > 1，输出将略微模糊，除非输入已预滤波，即它是对原始输入调用 spline_filter 的结果。

返回值:

rotatendarray

旋转后的输入。

备注

对于复数 input，此函数独立地旋转实部和虚部。

在版本 1.6.0 中添加: 添加了复数支持。

示例

在您的浏览器中试用它！

>>> from scipy import ndimage, datasets
>>> import matplotlib.pyplot as plt
>>> fig = plt.figure(figsize=(10, 3))
>>> ax1, ax2, ax3 = fig.subplots(1, 3)
>>> img = datasets.ascent()
>>> img_45 = ndimage.rotate(img, 45, reshape=False)
>>> full_img_45 = ndimage.rotate(img, 45, reshape=True)
>>> ax1.imshow(img, cmap='gray')
>>> ax1.set_axis_off()
>>> ax2.imshow(img_45, cmap='gray')
>>> ax2.set_axis_off()
>>> ax3.imshow(full_img_45, cmap='gray')
>>> ax3.set_axis_off()
>>> fig.set_layout_engine('tight')
>>> plt.show()

>>> print(img.shape)
(512, 512)
>>> print(img_45.shape)
(512, 512)
>>> print(full_img_45.shape)
(724, 724)

返回在新标签页中打开