scipy.ndimage.

geometric_transform#

scipy.ndimage.geometric_transform(input, mapping, output_shape=None, output=None, order=3, mode='constant', cval=0.0, prefilter=True, extra_arguments=(), extra_keywords=None)[Quelle]#

Wendet eine beliebige geometrische Transformation an.

Die angegebene Abbildungsfunktion wird verwendet, um für jeden Punkt im Ausgabearray die entsprechenden Koordinaten im Eingabearray zu finden. Der Wert des Eingabearrays an diesen Koordinaten wird durch Spline-Interpolation der angeforderten Ordnung bestimmt.

Parameter:

inputarray_like

Das Eingabearray.

mapping{callable, scipy.LowLevelCallable}

Ein aufrufbares Objekt, das ein Tupel der Länge gleich dem Rang des Ausgabearrays akzeptiert und die entsprechenden Eingabekoordinaten als Tupel der Länge gleich dem Rang des Eingabearrays zurückgibt.

output_shapetuple von ints, optional

Form-Tupel.

outputarray oder dtype, optional

Das Array, in das die Ausgabe platziert werden soll, oder der Datentyp des zurückgegebenen Arrays. Standardmäßig wird ein Array mit demselben Datentyp wie input erstellt.

orderint, optional

Die Ordnung der Spline-Interpolation, Standard ist 3. Die Ordnung muss im Bereich 0-5 liegen.

mode{‘reflect’, ‘grid-mirror’, ‘constant’, ‘grid-constant’, ‘nearest’, ‘mirror’, ‘grid-wrap’, ‘wrap’}, optional

Der Parameter mode bestimmt, wie das Eingabearray über seine Grenzen hinaus erweitert wird. Standard ist ‘constant’. Das Verhalten für jeden gültigen Wert ist wie folgt (weitere Plots und Details zu Randmodi)

‘reflect’ (d c b a | a b c d | d c b a): Die Eingabe wird erweitert, indem über den Rand des letzten Pixels gespiegelt wird. Dieser Modus wird auch manchmal als halb-Sample-symmetrisch bezeichnet.
‘grid-mirror’: Dies ist ein Synonym für ‘reflect’.
‘constant’ (k k k k | a b c d | k k k k): Die Eingabe wird erweitert, indem alle Werte außerhalb des Rands mit demselben konstanten Wert gefüllt werden, der durch den Parameter cval definiert ist. Außerhalb der Grenzen der Eingabe wird keine Interpolation durchgeführt.
‘grid-constant’ (k k k k | a b c d | k k k k): Die Eingabe wird erweitert, indem alle Werte außerhalb des Rands mit demselben konstanten Wert gefüllt werden, der durch den Parameter cval definiert ist. Die Interpolation erfolgt auch für Abtastpunkte außerhalb des Umfangs der Eingabe.
‘nearest’ (a a a a | a b c d | d d d d): Die Eingabe wird erweitert, indem das letzte Pixel wiederholt wird.
‘mirror’ (d c b | a b c d | c b a): Die Eingabe wird erweitert, indem über die Mitte des letzten Pixels gespiegelt wird. Dieser Modus wird auch manchmal als ganz-Sample-symmetrisch bezeichnet.
‘grid-wrap’ (a b c d | a b c d | a b c d): Die Eingabe wird erweitert, indem zum gegenüberliegenden Rand umgebrochen wird.
‘wrap’ (d b c d | a b c d | b c a b): Die Eingabe wird durch Umwickeln zum gegenüberliegenden Rand erweitert, jedoch so, dass der letzte und der erste Punkt genau übereinanderliegen. In diesem Fall ist nicht eindeutig definiert, welcher Abtastpunkt am Überlappungspunkt gewählt wird.

cvalskalar, optional

Wert, mit dem die Ränder der Eingabe gefüllt werden, wenn mode ‘constant’ ist. Standard ist 0.0.

prefilterbool, optional

Bestimmt, ob das Eingabearray vor der Interpolation mit spline_filter vorab gefiltert wird. Der Standardwert ist True, was ein temporäres float64 Array gefilterter Werte erstellt, wenn order > 1. Wenn dieser Wert auf False gesetzt wird, wird die Ausgabe leicht unscharf sein, wenn order > 1, es sei denn, die Eingabe wurde vorab gefiltert, d.h. sie ist das Ergebnis des Aufrufs von spline_filter auf die ursprüngliche Eingabe.

extra_argumentstuple, optional

Zusätzliche Argumente, die an mapping übergeben werden.

extra_keywordsdict, optional

Zusätzliche Schlüsselwörter, die an mapping übergeben werden.

Rückgabe:

outputndarray: Die gefilterte Eingabe.

Siehe auch

map_coordinates, affine_transform, spline_filter1d

Hinweise

Diese Funktion akzeptiert auch Low-Level-Callback-Funktionen mit einer der folgenden Signaturen, die in scipy.LowLevelCallable eingekapselt sind.

int mapping(npy_intp *output_coordinates, double *input_coordinates,
            int output_rank, int input_rank, void *user_data)
int mapping(intptr_t *output_coordinates, double *input_coordinates,
            int output_rank, int input_rank, void *user_data)

Die aufrufende Funktion iteriert über die Elemente des Ausgabearrays und ruft die Callback-Funktion für jedes Element auf. Die Koordinaten des aktuellen Ausgabeelements werden über output_coordinates übergeben. Die Callback-Funktion muss die Koordinaten zurückgeben, an denen die Eingabe in input_coordinates interpoliert werden muss. Die Ränge der Eingabe- und Ausgabearrays sind durch input_rank und output_rank gegeben. user_data ist der Zeiger auf die Daten, der unverändert an scipy.LowLevelCallable übergeben wird.

Die Callback-Funktion muss einen ganzzahligen Fehlerstatus zurückgeben, der Null ist, wenn etwas schief gelaufen ist, und sonst Eins. Wenn ein Fehler auftritt, sollten Sie normalerweise den Python-Fehlerstatus mit einer aussagekräftigen Nachricht festlegen, bevor Sie zurückkehren. Andernfalls wird eine Standardfehlermeldung von der aufrufenden Funktion gesetzt.

Zusätzlich werden einige andere Low-Level-Funktionszeigerspezifikationen akzeptiert, diese sind jedoch nur aus Kompatibilitätsgründen vorhanden und sollten nicht in neuem Code verwendet werden.

Für komplexwertige input transformiert diese Funktion die Real- und Imaginärkomponenten unabhängig voneinander.

Hinzugefügt in Version 1.6.0: Unterstützung für komplexe Werte hinzugefügt.

Beispiele

>>> import numpy as np
>>> from scipy.ndimage import geometric_transform
>>> a = np.arange(12.).reshape((4, 3))
>>> def shift_func(output_coords):
...     return (output_coords[0] - 0.5, output_coords[1] - 0.5)
...
>>> geometric_transform(a, shift_func)
array([[ 0.   ,  0.   ,  0.   ],
       [ 0.   ,  1.362,  2.738],
       [ 0.   ,  4.812,  6.187],
       [ 0.   ,  8.263,  9.637]])

>>> b = [1, 2, 3, 4, 5]
>>> def shift_func(output_coords):
...     return (output_coords[0] - 3,)
...
>>> geometric_transform(b, shift_func, mode='constant')
array([0, 0, 0, 1, 2])
>>> geometric_transform(b, shift_func, mode='nearest')
array([1, 1, 1, 1, 2])
>>> geometric_transform(b, shift_func, mode='reflect')
array([3, 2, 1, 1, 2])
>>> geometric_transform(b, shift_func, mode='wrap')
array([2, 3, 4, 1, 2])