scipy.ndimage.gaussian_gradient_magnitude¶
- scipy.ndimage.gaussian_gradient_magnitude(input, sigma, output=None, mode='reflect', cval=0.0, **kwargs)[源代码]¶
使用高斯导数的多维梯度幅度。
- 参数
- inputarray_like
输入数组。
- sigma标量或标量序列
对于每个轴，高斯过滤的标准偏差以序列或单个数字的形式给出，在这种情况下，所有轴的标准偏差都是相等的。
- 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字符串或序列，可选
这个 mode 参数确定过滤与边框重叠时如何扩展输入数组。通过传递长度等于输入数组维数的模式序列，可以沿每个轴指定不同的模式。默认值为“Reflect”。有效值及其行为如下所示：
- “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：
- ‘栅格常数’
这是“常量”的同义词。
- “网格镜”
这是“反映”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。
- Extra keyword arguments will be passed to gaussian_filter().
- 退货
- gaussian_gradient_magnitudendarray
过滤数组。形状与 input 。
示例
>>> from scipy import ndimage, misc >>> 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 = misc.ascent() >>> result = ndimage.gaussian_gradient_magnitude(ascent, sigma=5) >>> ax1.imshow(ascent) >>> ax2.imshow(result) >>> plt.show()
