scipy.signal.

medfilt2d#

scipy.signal.medfilt2d(input, kernel_size=3)[source]#

对二维数组进行中值滤波。

使用 kernel_size（必须为奇数）指定的局部窗口大小，对 input 数组应用中值滤波器。数组会自动进行零填充。

参数:

inputarray_like: 一个二维输入数组。
kernel_sizearray_like, optional: 一个标量或长度为 2 的列表，表示每个维度中值滤波器窗口的大小。kernel_size 的元素应为奇数。如果 kernel_size 是一个标量，则此标量将用作每个维度的大小。默认为大小为 (3, 3) 的核。

返回:

outndarray: 一个与输入大小相同、包含中值滤波结果的数组。

另请参阅

scipy.ndimage.median_filter

备注

当输入数据类型为 uint8、float32 或 float64 时，此函数比 medfilt 快；对于其他类型，此函数会回退到 medfilt。在某些情况下，scipy.ndimage.median_filter 可能比此函数更快。

示例

>>> import numpy as np
>>> from scipy import signal
>>> x = np.arange(25).reshape(5, 5)
>>> x
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24]])

# 将 i,j 替换为 5*5 窗口中的中值

>>> signal.medfilt2d(x, kernel_size=5)
array([[ 0,  0,  2,  0,  0],
       [ 0,  3,  7,  4,  0],
       [ 2,  8, 12,  9,  4],
       [ 0,  8, 12,  9,  0],
       [ 0,  0, 12,  0,  0]])

# 将 i,j 替换为默认 3*3 窗口中的中值

>>> signal.medfilt2d(x)
array([[ 0,  1,  2,  3,  0],
       [ 1,  6,  7,  8,  4],
       [ 6, 11, 12, 13,  9],
       [11, 16, 17, 18, 14],
       [ 0, 16, 17, 18,  0]])

# 将 i,j 替换为默认 5*3 窗口中的中值

>>> signal.medfilt2d(x, kernel_size=[5,3])
array([[ 0,  1,  2,  3,  0],
       [ 0,  6,  7,  8,  3],
       [ 5, 11, 12, 13,  8],
       [ 5, 11, 12, 13,  8],
       [ 0, 11, 12, 13,  0]])

# 将 i,j 替换为默认 3*5 窗口中的中值

>>> signal.medfilt2d(x, kernel_size=[3,5])
array([[ 0,  0,  2,  1,  0],
       [ 1,  5,  7,  6,  3],
       [ 6, 10, 12, 11,  8],
       [11, 15, 17, 16, 13],
       [ 0, 15, 17, 16,  0]])

# 如示例所示，# 核的数值必须为奇数且不能超过原始数组维度