scipy.ndimage.

gaussian_gradient_magnitude

scipy.ndimage.gaussian_gradient_magnitude(input, sigma, output=None, mode='reflect', cval=0.0, *, axes=None, **kwargs)

使用高斯導數的多維梯度幅度。

參數:

inputarray_like

輸入陣列。

sigma純量或純量序列

高斯濾波器的標準差，針對每個軸以序列或單一數字給出，在後者的情況下，所有軸都相等。

output陣列或 dtype，選用

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。

modestr 或 序列，選用

mode 參數決定當濾波器與邊界重疊時，輸入陣列如何延伸。透過傳遞模式序列，其長度等於輸入陣列的維度數量，可以沿著每個軸指定不同的模式。預設值為 ‘reflect’。有效值及其行為如下

‘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)

輸入透過以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-constant’

這是 ‘constant’ 的同義詞。

‘grid-mirror’

這是 ‘reflect’ 的同義詞。

‘grid-wrap’

這是 ‘wrap’ 的同義詞。

cval純量，選用

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

axes整數元組或 None

套用濾波器的軸。如果提供 sigma 或 mode 元組，則其長度必須與軸的數量相符。

額外的關鍵字參數將傳遞給 gaussian_filter()。

返回:

gaussian_gradient_magnitudendarray

已濾波的陣列。具有與 input 相同的形狀。

範例

在您的瀏覽器中試試看！

>>> from scipy import ndimage, datasets
>>> import matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> plt.gray()  # show the filtered result in grayscale
>>> ax1 = fig.add_subplot(121)  # left side
>>> ax2 = fig.add_subplot(122)  # right side
>>> ascent = datasets.ascent()
>>> result = ndimage.gaussian_gradient_magnitude(ascent, sigma=5)
>>> ax1.imshow(ascent)
>>> ax2.imshow(result)
>>> plt.show()

返回在新分頁中開啟