scipy.ndimage.convolve1d¶
- scipy.ndimage.convolve1d(input, weights, axis=- 1, output=None, mode='reflect', cval=0.0, origin=0)[源代码]¶
沿给定轴计算一维卷积。
沿给定轴的阵列直线与给定权重卷积。
- 参数
- inputarray_like
输入数组。
- weightsndarray
一维数字序列。
- axis整型,可选
的轴线 input 用来进行计算的。默认值为-1。
- output数组或数据类型,可选
要在其中放置输出的数组,或返回的数组的数据类型。默认情况下,将创建与输入数据类型相同的数组。
- mode{‘反射’,‘常量’,‘最近’,‘镜像’,‘换行’},可选
这个 mode 参数确定如何将输入数组扩展到其边界之外。默认值为“Reflect”。每个有效值的行为如下所示:
- “反思” (d c b a | a b c d | d c b a )
通过反射最后一个像素的边缘来扩展输入。此模式有时也称为半采样对称。
- “常量” (k k k k | a b c d | k k k k )
通过使用相同的常量值(由定义)填充超出边缘的所有值来扩展输入 cval 参数。
- “最近的” (a a a a | a b c d | d d d d )
通过复制最后一个像素来扩展输入。
- “镜子” (d c b | a b c d | c b a )
通过反射最后一个像素的中心来扩展输入。此模式有时也称为全样本对称。
- “包装” (a b c d | a b c d | a b c d )
通过缠绕到相反的边来扩展输入。
为与插值函数保持一致,还可以使用以下模式名称:
- “网格镜”
这是“反映”的同义词。
- ‘栅格常数’
这是“常量”的同义词。
- ‘网格换行’
这是“包装”的同义词。
- cval标量,可选
在以下情况下填充输入的过去边缘的值 mode 是“恒定的”。默认值为0.0。
- origin整型,可选
控制过滤在输入数组像素上的放置。值为0(默认值)时,过滤在像素上方居中,正值使过滤向左移动,负值向右移动。
- 退货
- convolve1dndarray
与输入形状相同的卷积阵列
示例
>>> from scipy.ndimage import convolve1d >>> convolve1d([2, 8, 0, 4, 1, 9, 9, 0], weights=[1, 3]) array([14, 24, 4, 13, 12, 36, 27, 0])