uniform_filter#
- scipy.ndimage.uniform_filter(input, size=3, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)[source]#
多维均匀滤波器。
- 参数:
- input类数组
输入数组。
- size整数或整数序列，可选
均匀滤波器的大小可以为每个轴指定为一个序列，或指定为一个单一数字，在这种情况下，所有轴的大小相等。
- output数组或数据类型，可选
用于放置输出的数组，或返回数组的数据类型。默认情况下，将创建一个与输入具有相同数据类型的数组。
- mode字符串或序列，可选
当滤波器与边界重叠时，mode 参数决定了如何扩展输入数组。通过传递一个长度等于输入数组维度的模式序列，可以沿每个轴指定不同的模式。默认值为“reflect”。有效值及其行为如下：
- ‘reflect’（反射） (d c b a | a b c d | d c b a)
通过最后一个像素的边缘反射来扩展输入。此模式有时也称为半样本对称。
- ‘constant’（常量） (k k k k | a b c d | k k k k)
通过用 cval 参数定义的相同常量值填充超出边缘的所有值来扩展输入。
- ‘nearest’（最近） (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’（镜像） (d c b | a b c d | c b a)
通过最后一个像素的中心反射来扩展输入。此模式有时也称为全样本对称。
- ‘wrap’（环绕） (a b c d | a b c d | a b c d)
通过环绕到对边来扩展输入。
为了与插值函数保持一致，还可以使用以下模式名称：
- ‘grid-constant’
这是“constant”的同义词。
- ‘grid-mirror’
这是“reflect”的同义词。
- ‘grid-wrap’
这是“wrap”的同义词。
- cval标量，可选
如果 mode 为“constant”，则用于填充输入边缘以外的值。默认值为 0.0。
- origin整数或序列，可选
控制滤波器在输入数组像素上的放置。值为 0（默认值）时，滤波器居中于像素上方；正值将滤波器向左移动，负值则向右移动。通过传递一个长度等于输入数组维度的原点序列，可以沿每个轴指定不同的偏移量。
- axes整数元组或None，可选
如果为 None，则 input 将沿所有轴进行过滤。否则，input 将沿指定的轴进行过滤。当指定 axes 时，用于 size、origin 和/或 mode 的任何元组必须与 axes 的长度匹配。这些元组中的第 i 个条目对应于 axes 中的第 i 个条目。
- 返回:
- uniform_filterndarray
过滤后的数组。与 input 具有相同的形状。
注意
多维滤波器实现为一系列一维均匀滤波器。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。
此函数与 NaN 元素一起使用时的行为未定义。要在存在 NaN 的情况下控制行为，请考虑使用
vectorized_filter。示例
>>> from scipy import ndimage, datasets >>> import matplotlib.pyplot as plt >>> fig = plt.figure() >>> plt.gray() # show the filtered result in grayscale >>> ax1 = fig.add_subplot(121) # left side >>> ax2 = fig.add_subplot(122) # right side >>> ascent = datasets.ascent() >>> result = ndimage.uniform_filter(ascent, size=20) >>> ax1.imshow(ascent) >>> ax2.imshow(result) >>> plt.show()
