rank_filter#
- scipy.ndimage.rank_filter(input, rank, size=None, footprint=None, output=None, mode='reflect', cval=0.0, origin=0, *, axes=None)[source]#
計算多維度排序濾波器。
- 參數:
- inputarray_like
輸入陣列。
- rankint
排序參數可以小於零，例如，rank = -1 表示最大的元素。
- size純量或 tuple，選用
請參閱下方的 footprint。如果已給定 footprint，則忽略。
- footprintarray，選用
必須定義 size 或 footprint 其中之一。size 給定從輸入陣列中取得的形狀，在每個元素位置，以定義濾波器函數的輸入。footprint 是一個布林陣列，它（隱含地）指定一個形狀，以及這個形狀內的哪些元素將被傳遞到濾波器函數。因此，
size=(n,m)等同於footprint=np.ones((n,m))。我們會調整 size 以符合輸入陣列的維度數量，因此，如果輸入陣列的形狀是 (10,10,10)，而 size 是 2，則實際使用的尺寸是 (2,2,2)。當給定 footprint 時，size 會被忽略。- outputarray 或 dtype，選用
放置輸出的陣列，或返回陣列的 dtype。預設情況下，將會建立與輸入相同 dtype 的陣列。
- mode{‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’}, 選用
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。這種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。這種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。
為了與插值函數保持一致，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。
- cval純量，選用
如果 mode 是 ‘constant’，則填充輸入邊緣之外的值。預設值為 0.0。
- originint 或 sequence，選用
控制濾波器在輸入陣列像素上的放置位置。值 0（預設值）將濾波器置於像素中心，正值將濾波器向左移動，負值向右移動。透過傳遞與輸入陣列維度數量相等的原點序列，可以沿每個軸指定不同的偏移。
- axesint 或 None 的 tuple，選用
如果為 None，則沿所有軸濾波 input。否則，沿指定的軸濾波 input。當指定 axes 時，用於 size、origin 和/或 mode 的任何 tuple 都必須與 axes 的長度相符。這些 tuple 中的第 i 個條目對應於 axes 中的第 i 個條目。
- 返回:
- rank_filterndarray
已濾波的陣列。具有與 input 相同的形狀。
範例
>>> 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.rank_filter(ascent, rank=42, size=20) >>> ax1.imshow(ascent) >>> ax2.imshow(result) >>> plt.show()
