scipy.ndimage.

zoom#

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

缩放数组。

使用所请求阶数样条插值来缩放数组。

参数:

inputarray_like

输入数组。

zoomfloat 或 sequence

沿轴的缩放因子。如果为 float，则 zoom 对于每个轴都相同。如果为 sequence，则 zoom 应包含每个轴的一个值。

outputarray 或 dtype，可选

放置输出的数组，或返回数组的 dtype。默认情况下，将创建一个与输入具有相同 dtype 的数组。

orderint，可选

样条插值的阶数，默认为 3。阶数必须在 0-5 的范围内。

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’。每个有效值的行为如下（有关更多图表和详细信息，请参阅边界模式）

‘reflect’ (d c b a | a b c d | d c b a): 输入通过反射最后一个像素的边缘来扩展。此模式有时也称为半样本对称。
‘grid-mirror’: 这是 ‘reflect’ 的同义词。
‘constant’ (k k k k | a b c d | k k k k): 输入通过用相同的常数值填充边缘之外的所有值来扩展，该常数值由 cval 参数定义。在输入的边缘之外不执行插值。
‘grid-constant’ (k k k k | a b c d | k k k k): 输入通过用相同的常数值填充边缘之外的所有值来扩展，该常数值由 cval 参数定义。插值也发生在输入范围之外的样本中。
‘nearest’ (a a a a | a b c d | d d d d): 输入通过复制最后一个像素来扩展。
‘mirror’ (d c b | a b c d | c b a): 输入通过反射最后一个像素的中心来扩展。此模式有时也称为全样本对称。
‘grid-wrap’ (a b c d | a b c d | a b c d): 输入通过包裹到相反的边缘来扩展。
‘wrap’ (d b c d | a b c d | b c a b): 输入通过包裹到相反的边缘来扩展，但以一种方式使最后一个点和初始点完全重叠。在这种情况下，在重叠点选择哪个样本没有明确的定义。

cval标量，可选

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

prefilterbool，可选

确定输入数组是否在插值之前使用 spline_filter 进行预过滤。默认值为 True，如果 order > 1，则会创建一个经过滤值的临时 float64 数组。如果将其设置为 False，则如果 order > 1，则输出将略微模糊，除非输入已预先过滤，即它是调用原始输入的 spline_filter 的结果。

grid_modebool，可选

如果为 False，则缩放像素中心之间的距离。否则，将使用包括完整像素范围的距离。例如，当 grid_mode 为 False 时，长度为 5 的 1d 信号被认为具有长度 4，但当 grid_mode 为 True 时，长度为 5。请参阅以下可视化说明

| 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:

zoomndarray: 缩放后的输入。

注释

对于复数值 input，此函数独立地缩放实部和虚部。

1.6.0 版本新增：添加了对复数值的支持。

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)