scipy.ndimage.

generic_gradient_magnitude

scipy.ndimage.generic_gradient_magnitude(input, derivative, output=None, mode='reflect', cval=0.0, extra_arguments=(), extra_keywords=None)

使用提供的梯度函数计算梯度大小。

参数:

输入array_like

输入数组。

导数可调用

可使用以下签名调用:

derivative(input, axis, output, mode, cval,
           *extra_arguments, **extra_keywords)

参见下面的 extra_arguments, extra_keywords。derivative 可以假设 input 和 output 是 ndarrays。注意 derivative 的输出是原地修改的；在返回它们之前，请小心复制重要的输入。

输出数组或数据类型，可选

要放置输出的数组，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。

模式str 或 序列, 可选

mode 参数决定了当滤波器跨越边界时输入数组如何扩展。通过传递一个长度等于输入数组维数的模式序列，可以沿着每个轴指定不同的模式。默认值是 ‘reflect’。有效值及其行为如下：

‘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。这种模式有时也被称为半样本对称。

‘常量’ (k k k k | a b c d | k k k k)

输入通过填充边缘以外的所有值来扩展，这些值由 cval 参数定义为相同的常数值。

‘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)

输入通过围绕最后一个像素的中心进行反射来扩展。这种模式有时也被称为全样本对称。

‘wrap’ (a b c d | a b c d | a b c d)

输入通过环绕到相对的边缘来扩展。

为了与插值函数保持一致，也可以使用以下模式名称：

‘网格常数’

这是“常量”的同义词。

‘grid-mirror’

这是“reflect”的同义词。

‘grid-wrap’

这是 ‘wrap’ 的同义词。

cval标量，可选

如果 mode 是 ‘constant’，则用于填充输入边缘之外的值。默认值为 0.0。

extra_keywordsdict, 可选

传递给传递函数的额外关键字参数的字典。

extra_arguments序列，可选

传递给传递函数的额外位置参数序列。

返回:

generic_gradient_matnitudendarray

过滤后的数组。与 input 具有相同的形状。