Làm cách nào để tôi có thể làm mịn các phần tử của mảng hai chiều với các hàm gaussian khác nhau trong python?

Question

Làm thế nào tôi có thể mịn x [1,3] và x [3,2] yếu tố của mảng,

x = np.array([[0,0,0,0,0],[0,0,0,1,0],[0,0,0,0,0],[0,0,1,0,0],[0,0,0,0,0]]) 

với hai chức năng gaussian hai chiều rộng 1 và 2, tương ứng? Về bản chất tôi cần một hàm cho phép tôi làm mịn các phần tử mảng "điểm giống như" với gaussians có độ rộng khác nhau, sao cho tôi nhận được một mảng với các giá trị thay đổi trơn tru.

Answer 1

Tôi hơi bối rối với câu hỏi bạn đã hỏi và nhận xét bạn đã đăng. Dường như với tôi rằng bạn muốn sử dụng scipy.ndimage.filters.gaussian_filter nhưng tôi không hiểu ý bạn là gì:

[...] gaussian functions với các giá trị sigma khác nhau cho mỗi pixel. [...]

Thực tế, vì bạn sử dụng mảng 2 chiều x, bộ lọc gaussian sẽ có 2 tham số. Quy tắc là: một giá trị sigma cho mỗi thứ nguyên thay vì một giá trị sigma trên mỗi pixel.

Dưới đây là một ví dụ ngắn:

import matplotlib.pyplot as pl 
import numpy as np 
import scipy as sp 
import scipy.ndimage 

n = 200 # widht/height of the array 
m = 1000 # number of points 
sigma_y = 3.0 
sigma_x = 2.0 

# Create input array 
x = np.zeros((n, n)) 
i = np.random.choice(range(0, n * n), size=m) 
x[i/n, i % n] = 1.0 

# Plot input array 
pl.imshow(x, cmap='Blues', interpolation='nearest') 
pl.xlabel("$x$") 
pl.ylabel("$y$") 
pl.savefig("array.png") 

# Apply gaussian filter 
sigma = [sigma_y, sigma_x] 
y = sp.ndimage.filters.gaussian_filter(x, sigma, mode='constant') 

# Display filtered array 
pl.imshow(y, cmap='Blues', interpolation='nearest') 
pl.xlabel("$x$") 
pl.ylabel("$y$") 
pl.title("$\sigma_x = " + str(sigma_x) + "\quad \sigma_y = " + str(sigma_y) + "$") 
pl.savefig("smooth_array_" + str(sigma_x) + "_" + str(sigma_y) + ".png") 

Dưới đây là mảng ban đầu:

Dưới đây là một số kết quả cho các giá trị khác nhau của sigma_x và sigma_y:

này cho phép để giải thích đúng cho sự ảnh hưởng của tham số thứ hai của scipy.ndimage.filters.gaussian_filter.

Tuy nhiên, theo báo trước, bạn có thể quan tâm hơn đến việc xác định các trọng số khác nhau cho mỗi pixel. Trong trường hợp này, scipy.ndimage.filters.convolve là chức năng bạn đang tìm kiếm. Dưới đây là ví dụ tương ứng:

import matplotlib.pyplot as pl 
import numpy as np 
import scipy as sp 
import scipy.ndimage 

# Arbitrary weights 
weights = np.array([[0, 0, 1, 0, 0], 
        [0, 2, 4, 2, 0], 
        [1, 4, 8, 4, 1], 
        [0, 2, 4, 2, 0], 
        [0, 0, 1, 0, 0]], 
        dtype=np.float) 
weights = weights/np.sum(weights[:]) 
y = sp.ndimage.filters.convolve(x, weights, mode='constant') 

# Display filtered array 
pl.imshow(y, cmap='Blues', interpolation='nearest') 
pl.xlabel("$x$") 
pl.ylabel("$y$") 
pl.savefig("smooth_array.png") 

Và kết quả tương ứng:

Tôi hy vọng điều này sẽ giúp bạn.