scipy.ndimage.
fourier_gaussian#
- scipy.ndimage.fourier_gaussian(входные данные, sigma, n=-1, ось=-1, вывод=None)[источник]#
Многомерный гауссовский фурье-фильтр.
Массив умножается на преобразование Фурье ядра Гаусса.
- Параметры:
- входные данныеarray_like
Входной массив.
- sigmafloat или последовательность
Сигма гауссова ядра. Если float, sigma одинаков для всех осей. Если sequence, sigma должен содержать одно значение для каждой оси.
- nint, необязательный
Если n отрицательно (по умолчанию), то предполагается, что входные данные являются результатом комплексного БПФ. Если n больше или равно нулю, предполагается, что входные данные являются результатом вещественного преобразования Фурье, и n дает длину массива до преобразования вдоль направления вещественного преобразования.
- осьint, необязательный
Ось реального преобразования.
- выводndarray, необязательно
Если задан, результат фильтрации входных данных помещается в этот массив.
- Возвращает:
- fourier_gaussianndarray
Отфильтрованный вход.
Примеры
>>> from scipy import ndimage, datasets >>> import numpy.fft >>> import matplotlib.pyplot as plt >>> fig, (ax1, ax2) = plt.subplots(1, 2) >>> plt.gray() # show the filtered result in grayscale >>> ascent = datasets.ascent() >>> input_ = numpy.fft.fft2(ascent) >>> result = ndimage.fourier_gaussian(input_, sigma=4) >>> result = numpy.fft.ifft2(result) >>> ax1.imshow(ascent) >>> ax2.imshow(result.real) # the imaginary part is an artifact >>> plt.show()
