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:

inputarray_like

输入数组。

orderint, 可选

样条的阶数，默认为 3。

outputndarray 或 dtype, 可选

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 参数确定输入数组如何在其边界之外扩展。默认为 ‘mirror’。每个有效值的行为如下（有关 边界模式的更多绘图和详细信息）

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

通过反射最后一个像素的边缘来扩展输入。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)

通过使用由 cval 参数定义的相同常数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)

通过使用由 cval 参数定义的相同常数值填充边缘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中。

‘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)

通过反射最后一个像素的中心来扩展输入。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)

通过环绕到相反的边缘来扩展输入。

‘wrap’ (d b c d | a b c d | b c a b)

通过环绕到相反的边缘来扩展输入，但方式是最后一个点和初始点完全重叠。在这种情况下，在重叠点将选择哪个样本没有明确定义。

返回:

spline_filterndarray

滤波后的数组。具有与 input 相同的形状。

另请参见

spline_filter1d

沿给定轴计算一维样条滤波器。

注释

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，由于中间结果可能以不足的精度存储，因此结果可能不精确。

对于复数值 input，此函数独立处理实部和虚部。

在 1.6.0 版本中添加: 添加了复数值支持。

示例

在您的浏览器中尝试一下！

我们可以使用多维样条来过滤图像

>>> 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