scipys ndimage過濾器的「反射」模式到底有多精確？

我無法準確理解反射模式如何處理我的數組。我有這個非常簡單的陣列：scipys ndimage過濾器的「反射」模式到底有多精確？

import numpy as np 
from scipy.ndimage.filters import uniform_filter 
from scipy.ndimage.filters import median_filter 

vector = np.array([[1.0,1.0,1.0,1.0,1.0],[2.0,2.0,2.0,2.0,2.0],[4.0,4.0,4.0,4.0,4.0],[5.0,5.0,5.0,5.0,5.0]]) 

print(vector)

[[1. 1. 1. 1. 1.] [2. 2. 2. 2. 2.] [4. 4。4. 4。 4.] [5。5. 5. 5。5.]]

施加均勻的（平均）爲3的窗口大小過濾得到以下：

filtered = uniform_filter(vector, 3, mode='reflect') 

print(filtered)

[[1.33333333 1.33333333 1.33333333 1.33333333 1.33333333] [2.33333333 2.33333333 2.33333333 2.33333333 2.33333333] [3.66666667 3.66666667 3.66666667 3.66666667 3.66666667] [4.66666667 4.66666667 4.66666667 4.66666667 4.66666667]

如果我試圖複製手動運動我能得到這個結果。綠色的原始矩陣，橙色的窗口，並導致黃色。白色是「反映」的觀察結果。

enter image description here

結果是：

enter image description here

但是當我嘗試的4或5我失敗的窗口大小以能夠複製的結果。

filtered = uniform_filter(vector, 4, mode='reflect') 

print(filtered)

[[1.5 1.5 1.5 1.5 1.5] [2. 2. 2. 2. 2.] [3. 3. 3. 3. 3.] [4. 4。4. 4 4]

做手工：

enter image description here

我也得到：

enter image description here

如果窗口大小均勻，窗口是如何處理的？但無論如何，如果我試圖複製5號窗口的結果並且模式反映出我不能。儘管我會認爲其行爲與尺寸3相似。

來源

2014-03-26 JEquihua

在下面的圖像「手動操作：」中，沒有正確填寫擴展數組的第一行。您只需垂直複製值「1」。用'mode ='reflect''，在主（明亮的黃色）陣列上面的最上面應該有'2'。 –

這正是我想知道的，你能幫我理解模式的工作原理嗎？對於窗口大小n = 2,3，...等？我會接受這個答案，我特別感興趣的是當尺寸是偶數時窗口是如何工作的。 – JEquihua

假設一個軸上的數據爲1 2 3 4 5 6 7 8。下表顯示了數據是如何擴展爲每種模式（假定cval=0）：

mode  | Ext |   Input   | Ext 
    -----------+---------+------------------------+--------- 
    'mirror' | 4 3 2 | 1 2 3 4 5 6 7 8 | 7 6 5 
    'reflect' | 3 2 1 | 1 2 3 4 5 6 7 8 | 8 7 6 
    'nearest' | 1 1 1 | 1 2 3 4 5 6 7 8 | 8 8 8 
    'constant' | 0 0 0 | 1 2 3 4 5 6 7 8 | 0 0 0 
    'wrap'  | 6 7 8 | 1 2 3 4 5 6 7 8 | 1 2 3

對於偶窗口大小n，考慮大小n+1的窗口，然後不包括下邊緣和右邊緣。（窗口的位置可以通過使用參數origin來更改。）

來源

2014-03-26 19:08:17

所以這發生在每個維度？所以對於n = 3（正如你使用的）'反射'在第一列將是'1 1 1'，左上角'1'旁邊的對角線會發生什麼？ – JEquihua

doc在哪裏？ –

我在這裏找到了文檔：http://docs.scipy.org/doc/scipy/reference/tutorial/ndimage.html –

scipys ndimage過濾器的「反射」模式到底有多精確？

回答

相關問題