3
A
回答
6
要做到這一點,您需要創建一個高斯曲線,並以與曲線相同的空間比例進行離散化,然後進行卷積。假設你的原始曲線有N
點,這些點沿着x軸均勻分佈(其中N
一般在50到10000之間)。然後沿x軸的點間距會(physical range)/(digital range) = (3940-3930)/N
,並且代碼是這樣的:
dx = float(3940-3930)/N
gx = np.arange(-3*sigma, 3*sigma, dx)
gaussian = np.exp(-(x/sigma)**2/2)
result = np.convolve(original_curve, gaussian, mode="full")
這裏,這是一個零爲中心的高斯,不包括偏移,您指的(這對我來說會只是增加了混淆,因爲卷積本身就是一種翻譯操作,所以從已經翻譯過的東西開始就是令人困惑的)。
我強烈建議把所有的東西放在真實的物理單位中,就像我上面所做的那樣。那麼很明顯,例如,高斯的寬度是多少等等。
相關問題
- 1. 繪製高斯卷積圖
- 2. 高斯模糊和卷積內核
- 3. 高斯模糊圖像進行卷積
- 4. 卷積在Python
- 5. 1D使用高斯內核進行卷積使用
- 6. BoofCV/Java - 用高斯卷積構造圖像的海森矩陣
- 7. 應用高斯濾波器內核後的卷積
- 8. 積分2d高斯函數(python)
- 9. MATLAB高斯積分
- 10. 高斯模糊與着色器上的卷積矩陣
- 11. 實施高斯模糊 - 如何計算卷積矩陣(內核)
- 12. 高斯濾波器的帶通卷積/差分
- 13. 通用編程:日誌FFT或高精度卷積(python)
- 14. python中的2D卷積
- 15. DenseVector卷積,如何(斯卡拉微風)
- 16. Tensorflow:在卷積
- 17. 在圖像上卷積高斯蒙版,不使用內置函數
- 18. 關於使用卷積的自定義高斯模糊的問題
- 19. 轉置卷積(反捲積)算法
- 20. 傅里葉域中的圖像高斯卷積:工作,而不應該
- 21. 卷積在MATLAB
- 22. C++ STL卷積
- 23. 卷積核
- 24. 解卷積C++
- 25. Python:1d數組循環卷積
- 26. python中的概率函數卷積
- 27. Python,從ndimage過濾器卷積功能
- 28. 兩個矩形脈衝的卷積Python
- 29. Python的SciPy的卷積VS fftconvolve
- 30. R中高斯積分的問題
http://blancosilva.wordpress.com/teaching/mathematical-imaging/convolution-with-gaussian-kernels/ – fecub
你有什麼個人嘗試過到目前爲止與python? –
你可以離散你的高斯(與np.histogram或列表理解或東西)並將其傳遞給np.convolve?這似乎對我很好。 – freshtop