多维图像处理 (cupyx.scipy.ndimage)

提示

SciPy API 参考：多维图像处理 (scipy.ndimage)

过滤器

convolve(input, weights[, output, mode, ...])	多维卷积。
convolve1d(input, weights[, axis, output, ...])	一维卷积。
correlate(input, weights[, output, mode, ...])	多维关联。
correlate1d(input, weights[, axis, output, ...])	一维相关。
gaussian_filter(input, sigma[, order, ...])	多维高斯滤波器。
gaussian_filter1d(input, sigma[, axis, ...])	沿给定轴的一维高斯滤波器。
gaussian_gradient_magnitude(input, sigma[, ...])	使用高斯导数的多维梯度幅度。
gaussian_laplace(input, sigma[, output, ...])	使用高斯二阶导数的二维拉普拉斯滤波器。
generic_filter(input, function[, size, ...])	使用提供的原始内核或缩减内核计算多维滤波器。
generic_filter1d(input, function, filter_size)	使用提供的原始内核沿给定轴计算一维滤波器。
generic_gradient_magnitude(input, derivative)	使用提供的导数函数的多维梯度幅度滤波器。
generic_laplace(input, derivative2[, ...])	使用提供的二阶导数函数的多维拉普拉斯滤波器。
laplace(input[, output, mode, cval])	基于近似二阶导数的多维拉普拉斯滤波器。
maximum_filter(input[, size, footprint, ...])	多维最大值滤波器。
maximum_filter1d(input, size[, axis, ...])	沿单个轴计算最大滤波器。
median_filter(input[, size, footprint, ...])	多维中值滤波器。
minimum_filter(input[, size, footprint, ...])	多维最小滤波器。
minimum_filter1d(input, size[, axis, ...])	沿单个轴计算最小滤波器。
percentile_filter(input, percentile[, size, ...])	多维百分位滤波器。
prewitt(input[, axis, output, mode, cval])	沿给定轴计算Prewitt滤波器。
rank_filter(input, rank[, size, footprint, ...])	多维排序滤波器。
sobel(input[, axis, output, mode, cval])	沿给定轴计算Sobel滤波器。
uniform_filter(input[, size, output, mode, ...])	多维均匀滤波器。
uniform_filter1d(input, size[, axis, ...])	沿给定轴的一维均匀滤波器。

傅里叶滤波器

fourier_ellipsoid(input, size[, n, axis, output])	多维椭球傅里叶滤波器。
fourier_gaussian(input, sigma[, n, axis, output])	多维高斯偏移滤波器。
fourier_shift(input, shift[, n, axis, output])	多维傅里叶移位滤波器。
fourier_uniform(input, size[, n, axis, output])	多维均匀移位滤波器。

插值

affine_transform(input, matrix[, offset, ...])	应用仿射变换。
map_coordinates(input, coordinates[, ...])	通过插值将输入数组映射到新坐标。
rotate(input, angle[, axes, reshape, ...])	旋转数组。
shift(input, shift[, output, order, mode, ...])	移动数组。
spline_filter(input[, order, output, mode])	多维样条滤波器。
spline_filter1d(input[, order, axis, ...])	沿着给定的轴计算一维样条滤波器。
zoom(input, zoom[, output, order, mode, ...])	缩放数组。

测量

center_of_mass(input[, labels, index])	计算数组在标签处的值的质心。
extrema(input[, labels, index])	计算数组在标签处的值的最小值和最大值，以及它们的位置。
histogram(input, min, max, bins[, labels, index])	计算数组值的直方图，可选地在标签处。
label(input[, structure, output])	在数组中标记特征。
labeled_comprehension(input, labels, index, ...)	将 func 应用于每个标记区域后得到的数组。
maximum(input[, labels, index])	计算数组在标记区域上的值的最大值。
maximum_position(input[, labels, index])	查找数组在标签处的最大值的位置。
mean(input[, labels, index])	计算n-D图像数组值的平均值，可选地
median(input[, labels, index])	计算数组值在标记区域上的中位数。
minimum(input[, labels, index])	计算数组在标记区域上的值的最小值。
minimum_position(input[, labels, index])	在标签处找到数组值的最小值的位置。
standard_deviation(input[, labels, index])	计算n-D图像数组值的标准差，可以选择在指定的子区域进行。
sum_labels(input[, labels, index])	计算一个 n-D 图像数组值的总和，可选地
value_indices(arr, *[, ignore_value, ...])	在给定数组中查找每个不同值的索引。
variance(input[, labels, index])	计算n-D图像数组值的方差，可以选择在指定的子区域进行。

形态学

binary_closing(input[, structure, ...])	使用给定的结构元素进行多维二进制闭合。
binary_dilation(input[, structure, ...])	使用给定的结构元素进行多维二值膨胀。
binary_erosion(input[, structure, ...])	使用给定的结构元素进行多维二值腐蚀。
binary_fill_holes(input[, structure, ...])	填充二进制对象中的空洞。
binary_hit_or_miss(input[, structure1, ...])	多维二进制命中或未命中变换。
binary_opening(input[, structure, ...])	使用给定的结构元素进行多维二进制开运算。
binary_propagation(input[, structure, mask, ...])	使用给定的结构元素进行多维二进制传播。
black_tophat(input[, size, footprint, ...])	多维黑帽滤波器。
distance_transform_edt(image[, sampling, ...])	精确的欧几里得距离变换。
generate_binary_structure(rank, connectivity)	生成二进制形态操作的二进制结构。
grey_closing(input[, size, footprint, ...])	计算多维灰度闭合。
grey_dilation(input[, size, footprint, ...])	计算灰度膨胀。
grey_erosion(input[, size, footprint, ...])	计算灰度腐蚀。
grey_opening(input[, size, footprint, ...])	计算多维灰度开运算。
iterate_structure(structure, iterations[, ...])	通过用自身膨胀来迭代一个结构。
morphological_gradient(input[, size, ...])	多维形态梯度。
morphological_laplace(input[, size, ...])	多维形态学拉普拉斯。
white_tophat(input[, size, footprint, ...])	多维白色顶帽滤波器。

OpenCV 模式

cupyx.scipy.ndimage 支持额外的模式，opencv。如果指定此模式，函数将表现得像 cv2.warpAffine 或 cv2.resize。示例：

import cupyx.scipy.ndimage
import cupy as cp
import cv2

im = cv2.imread('TODO') # pls fill in your image path

trans_mat = cp.eye(4)
trans_mat[0][0] = trans_mat[1][1] = 0.5

smaller_shape = (im.shape[0] // 2, im.shape[1] // 2, 3)
smaller = cp.zeros(smaller_shape) # preallocate memory for resized image

cupyx.scipy.ndimage.affine_transform(im, trans_mat, output_shape=smaller_shape,
                                     output=smaller, mode='opencv')

cv2.imwrite('smaller.jpg', cp.asnumpy(smaller)) # smaller image saved locally