scipy.ndimage.

缩放#

scipy.ndimage.zoom(input, zoom, output=None, order=3, mode='constant', cval=0.0, prefilter=True, *, grid_mode=False)[source]#

缩放数组。

使用请求阶数的样条插值对数组进行缩放。

参数：
**input**array_like

输入数组。

**zoom**float 或 sequence

沿轴的缩放因子。如果为 float，zoom 对每个轴都相同。如果为 sequence，zoom 应该包含每个轴的一个值。

**output**array 或 dtype，可选

放置输出的数组，或返回数组的 dtype。默认情况下，将创建与 input 相同 dtype 的数组。

**order**int，可选

样条插值的阶数，默认为 3。阶数必须在 0-5 范围内。

**mode**{‘reflect’, ‘grid-mirror’, ‘constant’, ‘grid-constant’, ‘nearest’, ‘mirror’, ‘grid-wrap’, ‘wrap’}，可选

mode 参数决定如何将输入数组扩展到其边界之外。默认值为 ‘constant’。每个有效值的执行方式如下（请参阅 边界模式 上的附加图和详细信息）

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

通过围绕最后一个像素的边缘反射来扩展输入。此模式有时也被称为半样本对称。

‘grid-mirror’

这是 ‘reflect’ 的同义词。

‘constant’ (k k k k | a b c d | k k k k)

通过用 cval 参数定义的相同常数值填充边缘之外的所有值来扩展输入。在输入边缘之外不执行插值。

‘grid-constant’ (k k k k | a b c d | k k k k)

通过用 cval 参数定义的相同常数值填充边缘之外的所有值来扩展输入。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)

通过复制最后一个像素来扩展输入。

‘mirror’ (d c b | a b c d | c b a)

通过围绕最后一个像素的中心反射来扩展输入。此模式有时也被称为全样本对称。

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

通过围绕到对面边缘进行扩展来扩展输入。

‘wrap’ (d b c d | a b c d | b c a b)

通过围绕到对面边缘进行扩展来扩展输入，但以最后一点和初始点完全重叠的方式进行。在这种情况下，在重叠点选择哪个样本是不确定的。

**cval**标量，可选

如果 mode 为 ‘constant’ 则填充输入边缘之外的值。默认为 0.0。

**prefilter**bool，可选

确定在插值之前是否用 spline_filter 对输入数组进行预滤波。默认为 True，如果 order > 1，这将创建过滤值的临时 float64 数组。如果将其设置为 False，则如果 order > 1，输出将略微模糊，除非输入已预滤波，即它是对原始输入调用 spline_filter 的结果。

**grid_mode**bool，可选

如果为 False，则缩放像素中心的距离。否则，将使用包括完整像素范围的距离。例如，长度为 5 的 1d 信号在 grid_mode 为 False 时被认为长度为 4，但在 grid_mode 为 True 时长度为 5。请参阅以下视觉说明

| pixel 1 | pixel 2 | pixel 3 | pixel 4 | pixel 5 |
     |<-------------------------------------->|
                        vs.
|<----------------------------------------------->|

上图中箭头的起点对应于每种模式下的坐标位置 0。

返回：
**zoom**ndarray

缩放后的输入。

备注

对于复数 input，此函数独立缩放实部和虚部。

版本 1.6.0 中新增： 添加了复数支持。

示例

>>> from scipy import ndimage, datasets
>>> import matplotlib.pyplot as plt

>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(121)  # left side
>>> ax2 = fig.add_subplot(122)  # right side
>>> ascent = datasets.ascent()
>>> result = ndimage.zoom(ascent, 3.0)
>>> ax1.imshow(ascent, vmin=0, vmax=255)
>>> ax2.imshow(result, vmin=0, vmax=255)
>>> plt.show()
../../_images/scipy-ndimage-zoom-1_00_00.png 
>>> print(ascent.shape)
(512, 512)

>>> print(result.shape)
(1536, 1536)
本页内容