scipy.ndimage.rank_filter¶
- scipy.ndimage.rank_filter(input, rank, size=None, footprint=None, output=None, mode='reflect', cval=0.0, origin=0)[源代码]¶
计算过滤的多维排名。
- 参数
- inputarray_like
输入数组。
- rank集成
RANK参数可以小于零，即RANK=-1表示最大的元素。
- size标量或元组，可选
请参见下面的示意图。如果给定示意图，则忽略。
- footprint数组，可选
或者 size 或 footprint 必须定义。 size 在每个元素位置给出从输入数组获取的形状，以定义过滤函数的输入。 footprint 是一个布尔数组，它指定(隐式)一个形状，而且指定此形状中的哪些元素将传递给过滤函数。因此，
size=(n,m)相当于footprint=np.ones((n,m))。我们会调整 size 设置为输入数组的维数，以便如果输入数组是Shape(10，10，10)，并且 size 为2，则实际使用的大小为(2，2，2)。什么时候 footprint 给出了， size 被忽略。- 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。
- originint或Sequence，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。通过传递长度等于输入数组维数的原点序列，可以沿每个轴指定不同的移位。
- 退货
- rank_filterndarray
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.rank_filter(ascent, rank=42, size=20) >>> ax1.imshow(ascent) >>> ax2.imshow(result) >>> plt.show()
