laplace#
- scipy.ndimage.laplace(входные данные, вывод=None, mode='reflect', cval=0.0, *, оси=None)[источник]#
N-мерный фильтр Лапласа на основе приближенных вторых производных.
- Параметры:
- входные данныеarray_like
Входной массив.
- выводмассив или dtype, опционально
Массив, в который будет помещен результат, или тип данных возвращаемого массива. По умолчанию будет создан массив того же типа данных, что и входной.
- modestr или sequence, опционально
The mode параметр определяет, как расширяется входной массив при перекрытии фильтра границы. Передавая последовательность режимов длиной, равной количеству измерений входного массива, можно указать разные режимы вдоль каждой оси. Значение по умолчанию — 'reflect'. Допустимые значения и их поведение следующие:
- ‘reflect’ (d c b a | a b c d | d c b a)
Входные данные расширяются путем отражения относительно края последнего пикселя. Этот режим также иногда называют полувыборочной симметрией.
- ‘constant’ (k k k k | a b c d | k k k k)
Входные данные расширяются путем заполнения всех значений за границей одним и тем же постоянным значением, определенным cval параметр.
- ‘nearest’ (a a a a | a b c d | d d d d)
Входные данные расширяются путём репликации последнего пикселя.
- ‘mirror’ (d c b | a b c d | c b a)
Входные данные расширяются путем отражения относительно центра последнего пикселя. Этот режим также иногда называют симметрией целого образца.
- ‘wrap’ (a b c d | a b c d | a b c d)
Входные данные расширяются путём обёртывания вокруг противоположного края.
Для согласованности с функциями интерполяции можно также использовать следующие названия режимов:
- ‘grid-constant’
Это синоним для 'constant'.
- 'grid-mirror'
Это синоним для 'reflect'.
- ‘grid-wrap’
Это синоним для ‘wrap’.
- cvalскаляр, опционально
Значение для заполнения за краями ввода, если mode равно 'constant'. По умолчанию равно 0.0.
- осикортеж int или None
Оси, по которым применять фильтр. Если mode Если предоставлен кортеж, его длина должна соответствовать количеству осей.
- Возвращает:
- laplacendarray
Отфильтрованный массив. Имеет ту же форму, что и входные данные.
Примеры
>>> from scipy import ndimage, datasets >>> 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 = datasets.ascent() >>> result = ndimage.laplace(ascent) >>> ax1.imshow(ascent) >>> ax2.imshow(result) >>> plt.show()
