scipy.ndimage.generic_filter1d¶
- scipy.ndimage.generic_filter1d(input, function, filter_size, axis=- 1, output=None, mode='reflect', cval=0.0, origin=0, extra_arguments=(), extra_keywords=None)[源代码]¶
沿给定轴计算一维过滤。
generic_filter1d迭代数组的各行，在每行调用给定函数。该行的参数是输入行和输出行。输入线和输出线均为一维双阵列。输入行根据过滤的大小和原点适当延长。必须使用结果就地修改输出行。- 参数
- inputarray_like
输入数组。
- function{Callable，scipy.LowLevelCallable}
函数沿给定轴应用。
- filter_size标量
过滤的长度。
- 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。
- extra_arguments序列，可选
要传递给传递函数的额外位置参数序列。
- extra_keywordsDICT，可选
要传递给传递函数的额外关键字参数的字典。
注意事项
此函数还接受具有以下签名之一的低级回调函数，并将其包装在
scipy.LowLevelCallable：int function(double *input_line, npy_intp input_length, double *output_line, npy_intp output_length, void *user_data) int function(double *input_line, intptr_t input_length, double *output_line, intptr_t output_length, void *user_data)
调用函数迭代输入和输出数组的各行，在每行调用回调函数。根据调用函数设置的边界条件扩展当前行，并将结果复制到传递的数组中
input_line。输入行的长度(延伸后)通过input_length。回调函数应应用过滤并将结果存储在传递的数组中output_line。输出线的长度通过output_length。user_data是否将数据指针提供给scipy.LowLevelCallable原封不动。回调函数必须返回整数错误状态，如果出现错误，则返回0，否则返回1。如果出现错误，通常应该在返回前使用提示性消息设置python错误状态，否则调用函数会设置默认错误消息。
此外，还可以接受其他一些低级函数指针规范，但这些规范仅用于向后兼容，不应在新代码中使用。