卷积

astropy.convolution.convolve(array, kernel, boundary='fill', fill_value=0.0, nan_treatment='interpolate', normalize_kernel=True, mask=None, preserve_nan=False, normalization_zero_tol=1e-08)

用内核卷积数组。

这个程序不同于 scipy.ndimage.convolve 因为它包括对 NaN 价值观。而不是包括 NaN 在卷积计算中数组中的值，这将导致 NaN 卷积阵列上的洞， NaN 使用内核作为插值函数，将值替换为插值值。

参数:

array : NDData or array_likeNDData或Numpy：ARRAY_LIKE

要卷积的数组。它应该是一个1维、2维或3维数组，或者是一个列表或一组表示1维、2维或3维数组的嵌套列表。如果 NDData , the mask 的 NDData 将用作 mask 争论。

内核 ： numpy.ndarray 或 Kernel努比·恩达雷还是内核

卷积核。维度的数量应该与数组的数量相匹配，并且维度在所有方向上都应该是奇数。如果是掩码数组，则掩码值将替换为 fill_value .

boundary : str ，可选Python：字符串，可选

指示如何处理边界的标志：

• None

  设置 result 当内核扩展到数组边缘之外时，将值设为零。

• '填充'

  将数组边界外的值设置为 fill_value （默认）。

• “包装”

  周期性边界 array .

• '扩展'

  将数组外的值设置为最接近的值 array 价值。

fill_value : float ，可选Python：Float，可选

使用时在数组外部使用的值 boundary='fill' 。

normalize_kernel : bool ，可选可选的布尔

是否将内核规范化为一的和。

nan_treatment{‘内插’，‘填充’}，可选

用于处理输入中的NAN的方法 array ：

• 'interpolate' ： NaN 使用核作为内插函数，将值替换为内插值。请注意，如果内核的总和等于零，NaN插补是不可能的，并且会引发异常。

• 'fill' ： NaN 值被替换为 fill_value 在卷积之前。

preserve_nan : bool ，可选可选的布尔

在执行卷积之后，原本为NaN的像素是否应该再次变为NaN？

mask : None 或 ndarray ，可选PYTHON：无或ndarray，可选

A "mask" array. Shape must match array, and anything that is masked (i.e., not 0/False) will be set to NaN for the convolution. If None, no masking will be performed unless array is a masked array. If mask is not None and array is a masked array, a pixel is masked if it is masked in either mask or array.mask.

normalization_zero_tol : float ，可选Python：Float，可选

核是否不同于零的绝对容差。如果内核的和为0到这个精度范围内，它就不能被规范化。默认值为“1e-8”。

返回:

结果 ： numpy.ndarraynumpy.ndarray

一种维数与输入数组相同的数组，用核卷积。数据类型取决于输入数组类型。如果数组是浮点类型，则返回数组保持相同的数据类型，否则类型为 numpy.float .

笔记

对于掩码数组，掩码值被视为nan。卷积总是在 numpy.float 精度。