scipy.ndimage.

方差#

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

计算 N 维图像数组值的方差，可以选择在指定的子区域计算。

参数:

inputarray_like: 要处理的 N 维图像数据。
labelsarray_like，可选: 定义 input 中子区域的标签。如果不是 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），则使用 labels 中所有非零值。

返回:

variancefloat 或 ndarray: 方差值，如果指定了 labels 和 index，则为每个子区域的值。

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.    ])

如果未提供 index，则处理所有非零 labels

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