scipy.ndimage.

spline_filter

scipy.ndimage.spline_filter(input, order=3, output=<class 'numpy.float64'>, mode='mirror')

多维样条滤波器。

参数:

input类数组

输入数组。

order整型，可选

样条的阶数，默认为 3。

outputndarray 或 dtype，可选

用于放置输出的数组，或返回数组的数据类型。默认为 numpy.float64。

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

mode 参数决定了输入数组在其边界之外的扩展方式。默认值为 ‘mirror’。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)

通过围绕最后一个像素的边缘进行反射来扩展输入。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)

通过使用 cval 参数定义的相同常量值填充边界之外的所有值来扩展输入。在输入边界之外不执行插值。

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

通过使用 cval 参数定义的相同常量值填充边界之外的所有值来扩展输入。插值也发生在输入范围之外的样本上。

‘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)

通过围绕最后一个像素的中心进行反射来扩展输入。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。

返回:

spline_filterndarray

过滤后的数组。与 input 具有相同的形状。

另请参阅

spline_filter1d

沿给定轴计算一维样条滤波器。

备注

多维滤波器实现为一系列一维样条滤波器。中间数组以与输出相同的数据类型存储。因此，对于精度有限的输出类型，结果可能不精确，因为中间结果可能以不精确的精度存储。

对于复数值 input，此函数独立处理实部和虚部。

版本 1.6.0 新增: 增加了复数值支持。

示例

在浏览器中尝试！

我们可以使用多维样条滤波器过滤图像

>>> from scipy.ndimage import spline_filter
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> orig_img = np.eye(20)  # create an image
>>> orig_img[10, :] = 1.0
>>> sp_filter = spline_filter(orig_img, order=3)
>>> f, ax = plt.subplots(1, 2, sharex=True)
>>> for ind, data in enumerate([[orig_img, "original image"],
...                             [sp_filter, "spline filter"]]):
...     ax[ind].imshow(data[0], cmap='gray_r')
...     ax[ind].set_title(data[1])
>>> plt.tight_layout()
>>> plt.show()

返回在新标签页中打开