scipy.ndimage.

gaussian_filter1d

scipy.ndimage.gaussian_filter1d(input, sigma, axis=-1, order=0, output=None, mode='reflect', cval=0.0, truncate=4.0, *, radius=None)

一維高斯濾波器。

參數:

inputarray_like

輸入陣列。

sigmascalar

高斯核的標準差

axisint, optional

計算時沿著 input 的軸。預設值為 -1。

orderint, optional

階數 0 對應於與高斯核的卷積。正階數對應於與高斯導數的卷積。

outputarray 或 dtype, optional

放置輸出的陣列，或傳回陣列的 dtype。預設情況下，將建立與輸入相同 dtype 的陣列。

mode{‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’}, optional

mode 參數決定輸入陣列如何在其邊界之外延伸。預設值為 ‘reflect’。每個有效值的行為如下

‘reflect’ (d c b a | a b c d | d c b a)

輸入透過反射最後一個像素的邊緣來延伸。此模式有時也稱為半樣本對稱。

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

輸入透過用相同的常數值填充邊緣之外的所有值來延伸，常數值由 cval 參數定義。

‘nearest’ (a a a a | a b c d | d d d d)

輸入透過複製最後一個像素來延伸。

‘mirror’ (d c b | a b c d | c b a)

輸入透過反射最後一個像素的中心來延伸。此模式有時也稱為全樣本對稱。

‘wrap’ (a b c d | a b c d | a b c d)

輸入透過環繞到相對的邊緣來延伸。

為了與內插函數保持一致，也可以使用以下模式名稱

‘grid-mirror’

這是 ‘reflect’ 的同義詞。

‘grid-constant’

這是 ‘constant’ 的同義詞。

‘grid-wrap’

這是 ‘wrap’ 的同義詞。

cvalscalar, optional

如果 mode 為 ‘constant’，則填充輸入邊緣之外的值。預設值為 0.0。

truncatefloat, optional

在此標準差數量處截斷濾波器。預設值為 4.0。

radiusNone 或 int, optional

高斯核的半徑。如果指定，則核心的大小將為 2*radius + 1，並且 truncate 會被忽略。預設值為 None。

回傳:

gaussian_filter1dndarray

註解

高斯核沿每個軸的大小將為 2*radius + 1。如果 radius 為 None，則將使用預設值 radius = round(truncate * sigma)。

範例

在瀏覽器中試試看！

>>> from scipy.ndimage import gaussian_filter1d
>>> import numpy as np
>>> gaussian_filter1d([1.0, 2.0, 3.0, 4.0, 5.0], 1)
array([ 1.42704095,  2.06782203,  3.        ,  3.93217797,  4.57295905])
>>> gaussian_filter1d([1.0, 2.0, 3.0, 4.0, 5.0], 4)
array([ 2.91948343,  2.95023502,  3.        ,  3.04976498,  3.08051657])
>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()
>>> x = rng.standard_normal(101).cumsum()
>>> y3 = gaussian_filter1d(x, 3)
>>> y6 = gaussian_filter1d(x, 6)
>>> plt.plot(x, 'k', label='original data')
>>> plt.plot(y3, '--', label='filtered, sigma=3')
>>> plt.plot(y6, ':', label='filtered, sigma=6')
>>> plt.legend()
>>> plt.grid()
>>> plt.show()

返回在新分頁中開啟