scipy.signal.

convolve2d

scipy.signal.convolve2d(in1, in2, mode='full', boundary='fill', fillvalue=0)

卷积两个二维数组。

使用 mode 确定输出大小，并使用 boundary 和 fillvalue 确定边界条件，对 in1 和 in2 进行卷积。

参数:

在1array_like

第一个输入。

in2array_like

第二个输入。应与 in1 具有相同的维度。

模式str {‘full’, ‘valid’, ‘same’}, 可选

一个表示输出大小的字符串：

full

输出是输入的完整离散线性卷积。（默认）

valid

输出仅包含那些不依赖于零填充的元素。在’有效’模式下，in1 或 in2 在每个维度上都必须至少与其他一样大。

same

输出的大小与 in1 相同，相对于 ‘full’ 输出居中。

边界str {‘fill’, ‘wrap’, ‘symm’}, 可选

一个指示如何处理边界的标志：

fill

用 fillvalue 填充输入数组。（默认）

wrap

循环边界条件。

symm

对称边界条件。

fillvalue标量，可选

用于填充输入数组的值。默认值为 0。

返回:

出ndarray

一个包含 in1 和 in2 离散线性卷积子集的二维数组。

示例

Try it in your browser!

通过与一个复数Scharr算子进行二维卷积来计算图像的梯度。（水平算子为实数，垂直算子为虚数。）使用对称边界条件以避免在图像边界处产生边缘。

>>> import numpy as np
>>> from scipy import signal
>>> from scipy import datasets
>>> ascent = datasets.ascent()
>>> scharr = np.array([[ -3-3j, 0-10j,  +3 -3j],
...                    [-10+0j, 0+ 0j, +10 +0j],
...                    [ -3+3j, 0+10j,  +3 +3j]]) # Gx + j*Gy
>>> grad = signal.convolve2d(ascent, scharr, boundary='symm', mode='same')

>>> import matplotlib.pyplot as plt
>>> fig, (ax_orig, ax_mag, ax_ang) = plt.subplots(3, 1, figsize=(6, 15))
>>> ax_orig.imshow(ascent, cmap='gray')
>>> ax_orig.set_title('Original')
>>> ax_orig.set_axis_off()
>>> ax_mag.imshow(np.absolute(grad), cmap='gray')
>>> ax_mag.set_title('Gradient magnitude')
>>> ax_mag.set_axis_off()
>>> ax_ang.imshow(np.angle(grad), cmap='hsv') # hsv is cyclic, like angles
>>> ax_ang.set_title('Gradient orientation')
>>> ax_ang.set_axis_off()
>>> fig.show()

Go BackOpen In Tab