scipy.ndimage.

standard_deviation#

scipy.ndimage.standard_deviation(input, labels=None, index=None)[source]#

计算 N 维图像数组值的标准差，可选地在指定子区域计算。

参数:

inputarray_like: 要处理的 N 维图像数据。
labelsarray_like, 可选: 标识 input 中子区域的标签。如果非 None，则必须与 input 形状相同。
indexint 或整数序列，可选: 要包含在输出中的 labels。如果为 None（默认值），则使用 labels 非零的所有值。

返回:

standard_deviationfloat 或 ndarray: 标准差的值，如果指定了 labels 和 index，则对应于每个子区域。

另请参见

label, variance, maximum, minimum, extrema

示例

>>> import numpy as np
>>> a = np.array([[1, 2, 0, 0],
...               [5, 3, 0, 4],
...               [0, 0, 0, 7],
...               [9, 3, 0, 0]])
>>> from scipy import ndimage
>>> ndimage.standard_deviation(a)
2.7585095613392387

可以使用 labels 和 index 指定要处理的特征

>>> lbl, nlbl = ndimage.label(a)
>>> ndimage.standard_deviation(a, lbl, index=np.arange(1, nlbl+1))
array([ 1.479,  1.5  ,  3.   ])

如果未指定索引，则处理非零 labels

>>> ndimage.standard_deviation(a, lbl)
2.4874685927665499