scipy.ndimage.geometric_transform¶

scipy.ndimage.geometric_transform(input, mapping, output_shape=None, output=None, order=3, mode='constant', cval=0.0, prefilter=True, extra_arguments=(), extra_keywords={})[源代码]¶

应用任意几何变换。

给定的映射函数用于为输出中的每个点查找输入中的对应坐标。这些坐标处的输入值由所请求阶次的样条插值确定。

参数

inputarray_like

输入数组。

mapping{Callable，scipy.LowLevelCallable}

一个可调用对象，它接受等于输出数组秩的长度元组，并将相应的输入坐标作为等于输入数组秩的长度元组返回。

output_shape整型元组，可选

形状元组。

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。

order整型，可选

样条插值的阶数，默认为3。阶数必须在0-5范围内。

mode{‘反射’，‘格网镜像’，‘常量’，‘格网常量’，‘最近’，‘镜像’，‘格网换行’，‘WRAP’}，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‘Constant’。每个有效值的行为如下所示(请参阅上的其他绘图和详细信息 boundary modes )：

“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。
“网格镜”: 这是“反映”的同义词。
“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。不会在输入边缘之外执行插值。
‘栅格常数’ (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。对于输入范围之外的采样也会进行插值。
“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。
‘网格换行’ (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。
“包装” (d b c d | a b c d | b c a b ): 通过缠绕到相对边来延伸输入，但方式是使最后一个点和初始点完全重叠。在这种情况下，没有很好地定义在重叠点将选择哪个样本。

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。

prefilter布尔值，可选

确定输入数组是否使用 spline_filter 在插值之前。默认值为True，这将创建临时 float64 筛选值的数组，如果 order > 1 。如果将其设置为False，则在以下情况下输出将略有模糊 order > 1 ，除非输入经过预筛选，即它是调用 spline_filter 在原始输入上。

extra_arguments元组，可选

传递给的额外参数 mapping 。

extra_keywordsDICT，可选

传递给的额外关键字 mapping 。

退货

outputndarray: 过滤后的输入。

参见

map_coordinates, affine_transform, spline_filter1d

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 mapping(npy_intp *output_coordinates, double *input_coordinates,
            int output_rank, int input_rank, void *user_data)
int mapping(intptr_t *output_coordinates, double *input_coordinates,
            int output_rank, int input_rank, void *user_data)

调用函数迭代输出数组的元素，在每个元素处调用回调函数。传递当前输出元素的坐标 output_coordinates 。回调函数必须返回必须插入输入的坐标 input_coordinates 。输入和输出数组的秩由下式给出 input_rank 和 output_rank 分别为。 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。

对于复值 input ，此函数独立转换实部和虚部。

1.6.0 新版功能: 增加了复值支持。

示例

>>> import numpy as np
>>> from scipy.ndimage import geometric_transform
>>> a = np.arange(12.).reshape((4, 3))
>>> def shift_func(output_coords):
...     return (output_coords[0] - 0.5, output_coords[1] - 0.5)
...
>>> geometric_transform(a, shift_func)
array([[ 0.   ,  0.   ,  0.   ],
       [ 0.   ,  1.362,  2.738],
       [ 0.   ,  4.812,  6.187],
       [ 0.   ,  8.263,  9.637]])

>>> b = [1, 2, 3, 4, 5]
>>> def shift_func(output_coords):
...     return (output_coords[0] - 3,)
...
>>> geometric_transform(b, shift_func, mode='constant')
array([0, 0, 0, 1, 2])
>>> geometric_transform(b, shift_func, mode='nearest')
array([1, 1, 1, 1, 2])
>>> geometric_transform(b, shift_func, mode='reflect')
array([3, 2, 1, 1, 2])
>>> geometric_transform(b, shift_func, mode='wrap')
array([2, 3, 4, 1, 2])

scipy.ndimage.affine_transform

scipy.ndimage.map_coordinates