scipy.ndimage.

方差#

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

计算 N 维图像数组的值的方差，可以选择在指定的子区域进行计算。

参数:

inputarray_like: 要处理的 Nd 图像数据。
labelsarray_like, 可选: 定义 input 中子区域的标签。如果非 None，则必须与 input 形状相同。
indexint 或 int 序列，可选: 要包含在输出中的 labels。如果为 None（默认值），则使用所有 labels 非零的值。

返回值:

variancefloat 或 ndarray: 方差的值，如果指定了 labels 和 index，则针对每个子区域。

另请参阅

label, standard_deviation, 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.variance(a)
7.609375

可以使用 labels 和 index 指定要处理的特征

>>> lbl, nlbl = ndimage.label(a)
>>> ndimage.variance(a, lbl, index=np.arange(1, nlbl+1))
array([ 2.1875,  2.25  ,  9.    ])

如果没有给出索引，则处理所有非零的 labels

>>> ndimage.variance(a, lbl)
6.1875