python实现低通滤波,Python高斯滤波

　　一般来说，如果您真的关心如何获得与矩阵实验室完全相同的结果，最简单的方法就是直接查看矩阵实验室函数的源代码。

　　在这种情况下，编辑f特殊：

　　.

　　大小写高斯 %高斯滤波器

　　siz=(p2-1)/2；

　　std=p3

　　[x，y]=meshgrid(-siz(2):siz(2)，-siz(1):siz(1))；

　　arg=-(x . * x y . * y)/(2 * STD * STD)；

　　h=exp(arg)；

　　h(h

　　sumh=sum(h(:))；

　　如果sumh ~=0，

　　h=h/sumh；

　　结束；

　　.

　　很简单，呃将它移植到计算机编程语言的时间是10分钟

　　将数组作为铭牌导入

　　def MATLAB _ style _ gauss 2d(shape=(3，3)，sigma=0.5):

　　2D高斯掩码-应该给出和矩阵实验室相同的结果

　　fspecial(高斯,[形状],[西格玛])

　　m，n=[(ss-1 .)/2.形状为ss]

　　y，x=np.ogrid[-m:m 1，-n:n 1]

　　h=np.exp( -(x*x y*y)/(2 .*西格玛*西格玛) )

　　h[h]n p . finfo(h . d type).eps*h.max() ]=0

　　sumh=h.sum()

　　如果sumh！=0:

　　h /=sumh

　　返回h

　　这给了我相同的答案，特别是在舍入误差之内：

　　fspecial(高斯,5,1)

　　0.002969 0.013306 0.021938 0.013306 0.002969

　　0.013306 0.059634 0.09832 0.059634 0.013306

　　0.021938 0.09832 0.1621 0.09832 0.021938

　　0.013306 0.059634 0.09832 0.059634 0.013306

　　0.002969 0.013306 0.021938 0.013306 0.002969

　　:matlab_style_gauss2D((5，5)，1)

　　数组([[ 0.002969,0.013306,0.021938,0.013306,0.002969],

　　[ 0.013306, 0.059634, 0.09832 , 0.059634, 0.013306],

　　[ 0.021938, 0.09832 , 0.162103, 0.09832 , 0.021938],

　　[ 0.013306, 0.059634, 0.09832 , 0.059634, 0.013306],

　　[ 0.002969, 0.013306, 0.021938, 0.013306, 0.002969]])

　　怎么查看电脑配置历史中提交的图片或压缩文件

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。