spline_filter1d#
- scipy.ndimage.spline_filter1d(input, order=3, axis=-1, output=<class 'numpy.float64'>, mode='mirror')[原始碼]#
沿著給定軸計算 1-D 樣條濾波器。
沿著給定軸的陣列線條會被樣條濾波器過濾。樣條的階數必須 >= 2 且 <= 5。
- 參數：
- inputarray_like
輸入陣列。
- orderint, optional
樣條的階數，預設為 3。
- axisint, optional
套用樣條濾波器的軸。預設為最後一個軸。
- outputndarray or dtype, optional
放置輸出的陣列，或傳回陣列的 dtype。預設為
numpy.float64。- mode{‘reflect’, ‘grid-mirror’, ‘constant’, ‘grid-constant’, ‘nearest’, ‘mirror’, ‘grid-wrap’, ‘wrap’}, optional
mode 參數決定輸入陣列如何在其邊界之外延伸。預設為 ‘mirror’。每個有效值的行為如下（請參閱 邊界模式 的其他圖表和詳細資訊）
- ‘reflect’ (d c b a | a b c d | d c b a)
輸入藉由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。
- ‘grid-mirror’
這是 ‘reflect’ 的同義詞。
- ‘constant’ (k k k k | a b c d | k k k k)
輸入藉由在邊緣之外的所有值填入相同的常數值來延伸，由 cval 參數定義。在輸入的邊緣之外不執行任何插值。
- ‘grid-constant’ (k k k k | a b c d | k k k k)
輸入藉由在邊緣之外的所有值填入相同的常數值來延伸，由 cval 參數定義。插值也會發生在輸入範圍之外的樣本。
- ‘nearest’ (a a a a | a b c d | d d d d)
輸入藉由複製最後一個像素來延伸。
- ‘mirror’ (d c b | a b c d | c b a)
輸入藉由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。
- ‘grid-wrap’ (a b c d | a b c d | a b c d)
輸入藉由環繞到相對邊緣來延伸。
- ‘wrap’ (d b c d | a b c d | b c a b)
輸入藉由環繞到相對邊緣來延伸，但方式是最後一個點和初始點完全重疊。在這種情況下，在重疊點將選擇哪個樣本沒有明確定義。
- 返回：
- spline_filter1dndarray
過濾後的輸入。
另請參閱
spline_filter多維樣條濾波器。
註解
ndimage 中的所有插值函數都對輸入影像執行樣條插值。如果使用階數 > 1 的 B 樣條，則必須先將輸入影像值轉換為 B 樣條係數，這是通過沿輸入的所有軸依序應用此 1-D 濾波器來完成的。所有需要 B 樣條係數的函數都會自動過濾其輸入，此行為可通過 prefilter 關鍵字參數控制。對於接受 mode 參數的函數，結果只有在它與過濾時使用的 mode 相符時才是正確的。
對於複數值 input，此函數會獨立處理實部和虛部。
Added in version 1.6.0: 已新增複數值支援。
範例
我們可以使用沿著給定軸的 1-D 樣條過濾影像
>>> from scipy.ndimage import spline_filter1d >>> import numpy as np >>> import matplotlib.pyplot as plt >>> orig_img = np.eye(20) # create an image >>> orig_img[10, :] = 1.0 >>> sp_filter_axis_0 = spline_filter1d(orig_img, axis=0) >>> sp_filter_axis_1 = spline_filter1d(orig_img, axis=1) >>> f, ax = plt.subplots(1, 3, sharex=True) >>> for ind, data in enumerate([[orig_img, "original image"], ... [sp_filter_axis_0, "spline filter (axis=0)"], ... [sp_filter_axis_1, "spline filter (axis=1)"]]): ... ax[ind].imshow(data[0], cmap='gray_r') ... ax[ind].set_title(data[1]) >>> plt.tight_layout() >>> plt.show()
