shift#
- scipy.ndimage.shift(input, shift, output=None, order=3, mode='constant', cval=0.0, prefilter=True)[source]#
平移数组。
使用所请求阶数的样条插值来平移数组。输入边界之外的点根据给定模式填充。
- 参数:
- inputarray_like
输入数组。
- shift浮点数或序列
- 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,将创建一个与输入具有相同 dtype 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 之间。
- 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在其边界之外进行扩展。默认为 ‘constant’。每个有效值的行为如下(有关 边界模式 的更多图表和详细信息,请参阅)
- ‘reflect’ (d c b a | a b c d | d c b a)
输入通过沿最后一个像素边缘反射来扩展。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 参数定义的相同常量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 参数定义的相同常量值填充边缘之外的所有值来扩展。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)
输入通过沿最后一个像素中心反射来扩展。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)
输入通过环绕到对边来扩展。
- ‘wrap’ (d b c d | a b c d | b c a b)
输入通过环绕到对边来扩展,但方式是最后一个点和初始点精确重叠。在这种情况下,重叠点将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
,将创建一个临时的 float64 过滤值数组。如果将其设置为 False,当order > 1
时,输出会略微模糊,除非输入已经过预过滤,即它是对原始输入调用spline_filter
的结果。
- 返回:
- shiftndarray
平移后的输入。
另请参阅
affine_transform
仿射变换
备注
对于复数值 input,此函数独立平移实部和虚部。
版本 1.6.0 新增:增加了复数值支持。
示例
导入所需的模块和示例图像。
>>> from scipy.ndimage import shift >>> import matplotlib.pyplot as plt >>> from scipy import datasets >>> image = datasets.ascent()
将图像垂直平移 20 像素。
>>> image_shifted_vertically = shift(image, (20, 0))
将图像垂直平移 -200 像素,水平平移 100 像素。
>>> image_shifted_both_directions = shift(image, (-200, 100))
绘制原始图像和平移后的图像。
>>> 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()