scipy.ndimage.rotate¶
- scipy.ndimage.rotate(input, angle, axes=(1, 0), reshape=True, output=None, order=3, mode='constant', cval=0.0, prefilter=True)[源代码]¶
旋转阵列。
数组在由给定的两个轴定义的平面内旋转 axes 参数使用请求阶次的样条插值。
- 参数
- inputarray_like
输入数组。
- angle浮动
旋转角度(以度为单位)。
- axes2个整数的元组,可选
定义旋转平面的两个轴。默认值为前两个轴。
- reshape布尔值,可选
如果 reshape 为真,则调整输出形状,以便输入数组完全包含在输出中。默认值为True。
- 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。
- 退货
- rotatendarray
旋转的输入。
注意事项
对于复值 input ,此函数独立旋转实部和虚部。
1.6.0 新版功能: 增加了复值支持。
示例
>>> from scipy import ndimage, misc >>> import matplotlib.pyplot as plt >>> fig = plt.figure(figsize=(10, 3)) >>> ax1, ax2, ax3 = fig.subplots(1, 3) >>> img = misc.ascent() >>> img_45 = ndimage.rotate(img, 45, reshape=False) >>> full_img_45 = ndimage.rotate(img, 45, reshape=True) >>> ax1.imshow(img, cmap='gray') >>> ax1.set_axis_off() >>> ax2.imshow(img_45, cmap='gray') >>> ax2.set_axis_off() >>> ax3.imshow(full_img_45, cmap='gray') >>> ax3.set_axis_off() >>> fig.set_tight_layout(True) >>> plt.show()
>>> print(img.shape) (512, 512) >>> print(img_45.shape) (512, 512) >>> print(full_img_45.shape) (724, 724)