scipy.ndimage.zoom

scipy.ndimage.zoom(input, zoom, output=None, order=3, mode='constant', cval=0.0, prefilter=True, *, grid_mode=False)

缩放阵列。

使用请求阶次的样条插值缩放阵列。

参数

inputarray_like

输入数组。

zoom浮点或序列

沿轴的缩放因子。如果是花车， zoom 对于每个轴都是相同的。如果序列， zoom 每个轴应包含一个值。

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。

grid_mode布尔值，可选

如果为False，则缩放距像素中心的距离。否则，使用包括全像素范围的距离。例如，长度为5的1D信号在以下情况下被认为具有长度4 grid_mode 为FALSE，但在以下情况下长度为5 grid_mode 是真的。请参见下面的可视插图：

| pixel 1 | pixel 2 | pixel 3 | pixel 4 | pixel 5 |
     |<-------------------------------------->|
                        vs.
|<----------------------------------------------->|

上图中箭头的起点对应于每种模式中的坐标位置0。

退货

zoomndarray

缩放的输入。

注意事项

对于复值 input ，此功能可独立缩放实部和虚部。

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()
>>> ax1 = fig.add_subplot(121)  # left side
>>> ax2 = fig.add_subplot(122)  # right side
>>> ascent = misc.ascent()
>>> result = ndimage.zoom(ascent, 3.0)
>>> ax1.imshow(ascent, vmin=0, vmax=255)
>>> ax2.imshow(result, vmin=0, vmax=255)
>>> plt.show()

>>> print(ascent.shape)
(512, 512)

>>> print(result.shape)
(1536, 1536)

上一页

scipy.ndimage.spline_filter1d

下一页

scipy.ndimage.center_of_mass