scipy.ndimage.

几何变换

scipy.ndimage.geometric_transform(input, mapping, output_shape=None, output=None, order=3, mode='constant', cval=0.0, prefilter=True, extra_arguments=(), extra_keywords={})

应用任意几何变换。

给定的映射函数用于为输出中的每个点找到输入中对应的坐标。输入在这些坐标处的值由请求阶数的样条插值确定。

参数:

输入array_like

输入数组。

映射{callable, scipy.LowLevelCallable}

一个可调用对象，它接受一个长度等于输出数组秩的元组，并返回相应输入坐标的元组，其长度等于输入数组秩。

输出形状整数元组，可选

形状元组。

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。

顺序int, 可选

样条插值的顺序，默认是 3。顺序必须在 0-5 的范围内。

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

mode 参数决定了输入数组在边界之外如何扩展。默认值为 ‘constant’。每个有效值的行为如下（参见 边界模式 的额外图表和详细信息）：

‘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。

‘grid-mirror’

这是“reflect”的同义词。

‘常量’ (k k k k | a b c d | k k k k)

输入通过填充边缘之外的所有值来扩展，这些值由 cval 参数定义为相同的常数值。在输入边缘之外不进行插值。

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

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

‘grid-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。

‘wrap’ (d b c d | a b c d | b c a b)

输入通过环绕到相对的边缘来扩展，但这种方式使得最后一个点和初始点完全重叠。在这种情况下，重叠点的采样选择并不明确。

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。

预过滤器bool, 可选

确定是否在插值之前使用 spline_filter 对输入数组进行预过滤。默认值为 True，这将创建一个临时的 float64 数组来存储过滤后的值，如果 order > 1。如果设置为 False，则如果 order > 1，输出将略微模糊，除非输入已经预过滤，即它是原始输入上调用 spline_filter 的结果。

extra_argumentstuple, 可选

传递给 mapping 的额外参数。

extra_keywordsdict, 可选

传递给 mapping 的额外关键字。

返回:

输出ndarray

过滤后的输入。

参见

map_coordinates, affine_transform, spline_filter1d

注释

此函数还接受具有以下签名的低级回调函数，并封装在 scipy.LowLevelCallable 中：

int mapping(npy_intp *output_coordinates, double *input_coordinates,
            int output_rank, int input_rank, void *user_data)
int mapping(intptr_t *output_coordinates, double *input_coordinates,
            int output_rank, int input_rank, void *user_data)

调用函数遍历输出数组的元素，在每个元素上调用回调函数。当前输出元素的坐标通过 output_coordinates 传递。回调函数必须返回 input_coordinates 中输入必须插值的坐标。输入和输出数组的秩分别由 input_rank 和 output_rank 给出。user_data 是提供给 scipy.LowLevelCallable 的数据指针，原样传递。

回调函数必须返回一个整数错误状态，如果出现问题则返回零，否则返回一。如果发生错误，通常应在返回之前使用信息性消息设置Python错误状态，否则调用函数将设置默认错误消息。

此外，还接受一些其他低级别的函数指针规范，但这些仅用于向后兼容，不应在新代码中使用。

对于复数 输入，此函数会独立转换实部和虚部。

Added in version 1.6.0: 复数值支持已添加。

示例

Try it in your browser!

>>> import numpy as np
>>> from scipy.ndimage import geometric_transform
>>> a = np.arange(12.).reshape((4, 3))
>>> def shift_func(output_coords):
...     return (output_coords[0] - 0.5, output_coords[1] - 0.5)
...
>>> geometric_transform(a, shift_func)
array([[ 0.   ,  0.   ,  0.   ],
       [ 0.   ,  1.362,  2.738],
       [ 0.   ,  4.812,  6.187],
       [ 0.   ,  8.263,  9.637]])

>>> b = [1, 2, 3, 4, 5]
>>> def shift_func(output_coords):
...     return (output_coords[0] - 3,)
...
>>> geometric_transform(b, shift_func, mode='constant')
array([0, 0, 0, 1, 2])
>>> geometric_transform(b, shift_func, mode='nearest')
array([1, 1, 1, 1, 2])
>>> geometric_transform(b, shift_func, mode='reflect')
array([3, 2, 1, 1, 2])
>>> geometric_transform(b, shift_func, mode='wrap')
array([2, 3, 4, 1, 2])

Go BackOpen In Tab