scipy.ndimage.

spline_filter#

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

多维样条滤波器。

参数:
inputarray_like

输入数组。

orderint, optional

样条曲线的阶数，默认为 3。

outputndarray 或 dtype，可选

用于存放输出的数组，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’}, optional

mode 参数决定了输入数组在边界之外如何进行扩展。默认为 ‘mirror’。每个有效值的行为如下（详见 边界模式 中的附加图表和详细信息）

'reflect' (d c b a | a b c d | d c b a)

输入通过最后像素的边缘反射进行扩展。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)

输入通过用由 cval 参数定义的相同常数值填充所有边界之外的值来扩展。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）

输入通过用由 cval 参数定义的相同常数值填充所有边界之外的值来扩展。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)

输入通过复制最后像素进行扩展。

'mirror' (d c b | a b c d | c b a)

输入通过最后像素的中心反射进行扩展。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进行扩展。

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

输入通过环绕到相反的边缘来扩展，但方式是使最后一个点和初始点完全重叠。在这种情况下，在重叠点处选择哪个样本并未明确定义。

对于上面说明的示例，边缘值 a 和 d 重叠，而内部模式 b c 重复。该示例展示了一种可能的输出，而 b c a b c | a b c d | b c d b c 是另一种，因为在每个重叠点处都可能出现 a 或 d。

返回:
spline_filterndarray

滤波后的数组。形状与 input 相同。

另请参阅

一维样条滤波

沿给定轴计算一维样条滤波器。

附注

该多维滤波器作为一系列一维样条滤波器实现。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，结果可能会因为中间结果的存储精度不足而不准确。

对于复数类型的 input，此函数会分别处理其实部和虚部。

1.6.0 版本已添加： 添加了复值支持。

数组 API 标准支持

spline_filter 除了支持 NumPy 外，还对符合 Python 数组 API 标准的后端提供了实验性支持。请考虑通过设置环境变量 SCIPY_ARRAY_API=1 并提供 CuPy、PyTorch、JAX 或 Dask 数组作为数组参数来测试这些功能。目前支持以下后端和设备（或其他功能）的组合。

库

CPU

GPU

NumPy

✅

不适用

CuPy

不适用

✅

PyTorch

✅

⛔

JAX

⚠️ 无 JIT

⛔

Dask

⚠️ 计算图

不适用

有关更多信息，请参阅 对数组 API 标准的支持。

示例

我们可以使用多维样条对图像进行滤波

>>> 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()
../../_images/scipy-ndimage-spline_filter-1.png
本页内容