scipy.ndimage.

标准差

scipy.ndimage.standard_deviation(input, labels=None, index=None)

计算N-D图像数组值的标准差，可选地在指定的子区域进行。

参数:

输入array_like

要处理的 N-D 图像数据。

标签类似数组, 可选

用于标识 input 中的子区域的标签。如果不是 None，则必须与 input 具有相同的形状。

索引int 或 int 序列，可选

labels 包含在输出中。如果为 None（默认），则使用 labels 非零的所有值。

返回:

标准差浮点数或ndarray

如果指定了 labels 和 index，则为每个子区域的 标准差 值。

参见

label, variance, maximum, minimum, extrema

示例

Try it in your browser!

>>> import numpy as np
>>> a = np.array([[1, 2, 0, 0],
...               [5, 3, 0, 4],
...               [0, 0, 0, 7],
...               [9, 3, 0, 0]])
>>> from scipy import ndimage
>>> ndimage.standard_deviation(a)
2.7585095613392387

可以使用 labels 和 index 指定要处理的特性：

>>> lbl, nlbl = ndimage.label(a)
>>> ndimage.standard_deviation(a, lbl, index=np.arange(1, nlbl+1))
array([ 1.479,  1.5  ,  3.   ])

如果没有给出索引，则处理非零的 labels：

>>> ndimage.standard_deviation(a, lbl)
2.4874685927665499

Go BackOpen In Tab