多维图像处理 (scipy.ndimage )

该软件包包含用于多维图像处理的各种功能。

过滤器

convolve \(输入，权重[, output, mode, ...] )	多维卷积。
convolve1d \(输入，权重[, axis, output, ...] )	沿给定轴计算一维卷积。
correlate \(输入，权重[, output, mode, ...] )	多维相关性。
correlate1d \(输入，权重[, axis, output, ...] )	沿给定轴计算一维相关性。
gaussian_filter \(输入，西格玛[, order, ...] )	多维高斯过滤。
gaussian_filter1d \(输入，西格玛[, axis, ...] )	一维高斯过滤。
gaussian_gradient_magnitude \(输入，西格玛[, ...] )	使用高斯导数的多维梯度幅度。
gaussian_laplace \(输入，西格玛[, output, ...] )	使用高斯二阶导数的多维拉普拉斯过滤。
generic_filter \(输入，函数[, size, ...] )	使用给定函数计算多维过滤。
generic_filter1d \(输入，函数，过滤_大小)	沿给定轴计算一维过滤。
generic_gradient_magnitude \(输入，派生)	使用提供的梯度函数的梯度大小。
generic_laplace \(输入，派生2[, ...] )	使用提供的二阶导数函数的N-D拉普拉斯过滤。
laplace \(输入[, output, mode, cval] )	基于近似二阶导数的N-D拉普拉斯过滤。
maximum_filter \(输入[, size, footprint, ...] )	计算多维最大过滤。
maximum_filter1d \(输入，大小[, axis, ...] )	计算沿给定轴的一维最大过滤。
median_filter \(输入[, size, footprint, ...] )	计算过滤的多维中位数。
minimum_filter \(输入[, size, footprint, ...] )	计算多维最小过滤。
minimum_filter1d \(输入，大小[, axis, ...] )	沿给定轴计算一维最小过滤。
percentile_filter \(输入，百分位数[, size, ...] )	计算多维百分位过滤。
prewitt \(输入[, axis, output, mode, cval] )	算一张普鲁伊特过滤吧。
rank_filter \(输入，排名[, size, footprint, ...] )	计算过滤的多维排名。
sobel \(输入[, axis, output, mode, cval] )	算出一个索贝尔过滤。
uniform_filter \(输入[, size, output, mode, ...] )	多维统一过滤。
uniform_filter1d \(输入，大小[, axis, ...] )	沿给定轴计算一维均匀过滤。

傅立叶滤波器

fourier_ellipsoid \(输入，大小[, n, axis, output] )	多维椭球傅里叶过滤。
fourier_gaussian \(输入，西格玛[, n, axis, output] )	多维高斯傅立叶过滤。
fourier_shift \(输入，Shift[, n, axis, output] )	多维傅里叶移位过滤。
fourier_uniform \(输入，大小[, n, axis, output] )	多维均匀傅立叶过滤。

插值

affine_transform \(输入，矩阵[, offset, ...] )	应用仿射变换。
geometric_transform \(输入，映射[, ...] )	应用任意几何变换。
map_coordinates \(输入，坐标[, ...] )	通过插值将输入数组映射到新坐标。
rotate \(输入，角度[, axes, reshape, ...] )	旋转阵列。
shift \(输入，Shift[, output, order, mode, ...] )	移位数组。
spline_filter \(输入[, order, output, mode] )	多维样条线过滤。
spline_filter1d \(输入[, order, axis, ...] )	沿给定轴计算一维样条线过滤。
zoom \(输入、缩放[, output, order, mode, ...] )	缩放阵列。

测量结果

center_of_mass \(输入[, labels, index] )	计算标签处数组的值的质心。
extrema \(输入[, labels, index] )	计算标签处数组的值的最小值和最大值，以及它们的位置。
find_objects \(输入[, max_label] )	在带标签的数组中查找对象。
histogram \(输入，最小，最大，箱[, labels, index] )	计算数组的值的直方图，也可以在标签处计算。
label \(输入[, structure, output] )	为阵列中的要素添加标签。
labeled_comprehension \(输入，标签，索引，.)	大致相当于 [func(input[labels == i] )用于索引中的i]。
maximum \(输入[, labels, index] )	计算已标记区域上数组的最大值。
maximum_position \(输入[, labels, index] )	找出标签处数组的值的最大值的位置。
mean \(输入[, labels, index] )	计算标签处数组的值的平均值。
median \(输入[, labels, index] )	计算已标记区域上数组的值的中位数。
minimum \(输入[, labels, index] )	计算已标记区域上数组的最小值。
minimum_position \(输入[, labels, index] )	找出标签处数组的值的最小值的位置。
standard_deviation \(输入[, labels, index] )	计算N-D图像阵列的值的标准偏差，可选地在指定子区域。
sum_labels \(输入[, labels, index] )	计算数组的值之和。
variance \(输入[, labels, index] )	计算N-D图像阵列的值的方差，可选地在指定子区域。
watershed_ift \(输入，标记[, structure, ...] )	使用图像森林变换算法从标记中应用分水岭。

形态学

binary_closing \(输入[, structure, ...] )	与给定结构元素的多维二进制闭合。
binary_dilation \(输入[, structure, ...] )	具有给定结构元素的多维二元膨胀。
binary_erosion \(输入[, structure, ...] )	具有给定结构元素的多维二元侵蚀。
binary_fill_holes \(输入[, structure, ...] )	填充二进制对象中的空洞。
binary_hit_or_miss \(输入[, structure1, ...] )	多维二进制命中或未命中变换。
binary_opening \(输入[, structure, ...] )	具有给定结构元素的多维二元开口。
binary_propagation \(输入[, structure, mask, ...] )	具有给定结构元素的多维二进制传播。
black_tophat \(输入[, size, footprint, ...] )	多维黑大头帽过滤。
distance_transform_bf \(输入[, metric, ...] )	距离转换函数由一种强力算法实现。
distance_transform_cdt \(输入[, metric, ...] )	倒角类型变换的距离变换。
distance_transform_edt \(输入[, sampling, ...] )	精确的欧几里得距离变换。
generate_binary_structure \(排名，连通性)	为二进制形态运算生成二进制结构。
grey_closing \(输入[, size, footprint, ...] )	多维灰度闭合。
grey_dilation \(输入[, size, footprint, ...] )	使用结构元素或与平面结构元素对应的示意图计算灰度膨胀。
grey_erosion \(输入[, size, footprint, ...] )	使用结构元素或与平面结构元素对应的示意图计算灰度侵蚀。
grey_opening \(输入[, size, footprint, ...] )	多维灰度开口。
iterate_structure \(结构，迭代[, ...] )	通过用其自身展开结构来迭代该结构。
morphological_gradient \(输入[, size, ...] )	多维形态梯度。
morphological_laplace \(输入[, size, ...] )	多维形态拉普拉斯。
white_tophat \(输入[, size, footprint, ...] )	多维白大头帽过滤。

上一页

scipy.misc.electrocardiogram

下一页

scipy.ndimage.convolve