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。

使用所请求阶次的样条插值，在由 axes 参数给定的两个轴定义的平面中旋转数组。

参数:

input类数组

输入数组。

angle浮点数

旋转角度（度）。

axes2个整数元组，可选

定义旋转平面的两个轴。默认为前两个轴。

reshape布尔值，可选

如果 reshape 为 True，则输出形状会调整，以使输入数组完全包含在输出中。默认为 True。

output数组或数据类型，可选

用于放置输出的数组，或返回数组的数据类型。默认情况下，将创建与输入具有相同数据类型的数组。

order整数，可选

样条插值的阶数，默认为 3。阶数必须在 0-5 范围内。

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

参数 mode 决定了输入数组如何超出其边界进行扩展。默认为 ‘constant’。每个有效值的行为如下（参见 边界模式 中的额外图表和详细信息）

‘reflect’ (d c b a | a b c d | d c b a)

通过最后一个像素的边缘反射来扩展输入。此模式有时也称为半样本对称。

‘grid-mirror’

这是 ‘reflect’ 的同义词。

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

通过用由 cval 参数定义的相同常量值填充边缘之外的所有值来扩展输入。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)

通过用由 cval 参数定义的相同常量值填充边缘之外的所有值来扩展输入。插值也适用于输入范围之外的样本。

‘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)

通过最后一个像素的中心反射来扩展输入。此模式有时也称为全样本对称。

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

通过环绕到对边来扩展输入。

‘wrap’ (d b c d | a b c d | b c a b)

通过环绕到对边来扩展输入，但方式是使最后一个点和初始点完全重叠。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。默认为 0.0。

prefilter布尔值，可选

确定在插值之前是否使用 spline_filter 对输入数组进行预过滤。默认为 True，如果 order > 1，则会创建一个临时的 float64 过滤值数组。如果将其设置为 False，则当 order > 1 时，输出会略微模糊，除非输入已预过滤，即它是对原始输入调用 spline_filter 的结果。

返回:

rotatendarray

旋转后的输入。

说明

对于复数 input，此函数独立旋转实部和虚部。

版本 1.6.0 新增: 添加了对复数值的支持。

示例

在浏览器中尝试！

>>> 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