scipy.ndimage.

移位#

scipy.ndimage.shift(input, shift, output=None, order=3, mode='constant', cval=0.0, prefilter=True)[source]#

移位数组。

使用请求的阶数的样条插值对数组进行移位。超出输入边界之外的点将根据给定的模式填充。

参数：:

inputarray_like

输入数组。

shiftfloat 或序列

沿轴的移位。如果为浮点数，shift 对每个轴都是一样的。如果为序列，shift 应包含每个轴的一个值。

outputarray 或 dtype，可选

要放置输出的数组，或返回数组的 dtype。默认情况下，将创建一个与输入具有相同 dtype 的数组。

orderint，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

The mode 参数决定了输入数组如何在超出其边界之外进行扩展。默认值为 ‘constant’。每个有效值的行为如下（有关边界模式的其他图和详细信息）

‘reflect’ (d c b a | a b c d | d c b a): 输入通过围绕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。
‘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边缘之外的所有值来扩展。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边缘之外的所有值来扩展。插值也针对输入范围之外的样本进行。
‘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): 输入通过围绕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。
‘grid-wrap’ (a b c d | a b c d | a b c d): 输入通过围绕到对面的边缘来扩展。
‘wrap’ (d b c d | a b c d | b c a b): 输入通过围绕到对面的边缘来扩展，但以最后一点和初始点完全重叠的方式进行。在这种情况下，重叠点将选择哪个样本是不明确的。

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。

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，则将创建一个过滤值的临时 float64 数组。如果将其设置为 False，则输出将略微模糊，除非输入是预先过滤的，即它是对原始输入调用 spline_filter 的结果。

返回值：

shiftndarray: 已移位的输入。

另请参阅

affine_transform: 仿射变换

备注

对于复值 input，此函数独立地移位实部和虚部。

版本 1.6.0 中添加：添加了复值支持。

示例

导入必要的模块和示例图像。

>>> from scipy.ndimage import shift
>>> import matplotlib.pyplot as plt
>>> from scipy import datasets
>>> image = datasets.ascent()

将图像垂直移位 20 像素。

>>> image_shifted_vertically = shift(image, (20, 0))

将图像垂直移位 -200 像素，水平移位 100 像素。

>>> image_shifted_both_directions = shift(image, (-200, 100))

绘制原始图像和移位后的图像。

>>> fig, axes = plt.subplots(3, 1, figsize=(4, 12))
>>> plt.gray()  # show the filtered result in grayscale
>>> top, middle, bottom = axes
>>> for ax in axes:
...     ax.set_axis_off()  # remove coordinate system
>>> top.imshow(image)
>>> top.set_title("Original image")
>>> middle.imshow(image_shifted_vertically)
>>> middle.set_title("Vertically shifted image")
>>> bottom.imshow(image_shifted_both_directions)
>>> bottom.set_title("Image shifted in both directions")
>>> fig.tight_layout()