scipy.ndimage.

旋转

scipy.ndimage.rotate(input, angle, axes=(1, 0), reshape=True, output=None, order=3, mode='constant', cval=0.0, prefilter=True)

旋转数组。

数组在由 axes 参数指定的两个轴定义的平面内进行旋转，使用请求阶数的样条插值。

参数:

输入array_like

输入数组。

角度浮动

旋转角度，单位为度。

轴两个整数的元组，可选

定义旋转平面的两个轴。默认是前两个轴。

重塑bool, 可选

如果 reshape 为真，输出形状会适应，使得输入数组完全包含在输出中。默认为真。

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。

返回:

旋转ndarray

旋转的输入。

注释

对于复数 输入，此函数独立旋转实部和虚部。

Added in version 1.6.0: 复数值支持已添加。

示例

Try it in your browser!

>>> from scipy import ndimage, datasets
>>> import matplotlib.pyplot as plt
>>> fig = plt.figure(figsize=(10, 3))
>>> ax1, ax2, ax3 = fig.subplots(1, 3)
>>> img = datasets.ascent()
>>> img_45 = ndimage.rotate(img, 45, reshape=False)
>>> full_img_45 = ndimage.rotate(img, 45, reshape=True)
>>> ax1.imshow(img, cmap='gray')
>>> ax1.set_axis_off()
>>> ax2.imshow(img_45, cmap='gray')
>>> ax2.set_axis_off()
>>> ax3.imshow(full_img_45, cmap='gray')
>>> ax3.set_axis_off()
>>> fig.set_layout_engine('tight')
>>> plt.show()

>>> print(img.shape)
(512, 512)
>>> print(img_45.shape)
(512, 512)
>>> print(full_img_45.shape)
(724, 724)

Go BackOpen In Tab