Question

我有一个名为＆＃39; cube＆＃39;的数据立方体。我需要用高斯内核对每个2d切片进行卷积。

然而，使用下面的代码，它使用归一化的高斯内核来稀释每个切片中较弱的像素。

有没有办法将每个像素高斯分为“最大（高斯）”和“高斯”。以便每个像素相对于像素强度进行卷积？

import numpy as np
from astropy.convolution import convolve, Gaussian2DKernel

std = 2

gauss_kernel = Gaussian2DKernel(std)

for i in range(len(cube[:,0,0])):
        cube[i,:,:] = convolve(cube[i,:,:], gauss_kernel/np.max(gauss_kernel))

Answer 1

您发布的解决方案已经说明了如何使用峰值归一化高斯进行卷积。从您的评论中，您可能希望您的“峰值”不受周围数据点的影响。严格来说，这是不可能的 - 卷积意味着每个像素都会“展开”。

但是，您可能正在讨论规范化卷积，其中astropy实现（请参阅http://docs.astropy.org/en/stable/convolution/index.html）。只要周围的像素设置为NAN，它们就不会对其邻居做出任何贡献。因此，如果你有一个稀疏填充的数组，只有几个像素要模糊到周围的“空”像素，只需将“空”像素设置为NaN。请参阅此示例：http://docs.astropy.org/en/stable/convolution/index.html#using-astropy-s-convolution-to-replace-bad-data

Answer 2

我相信你的问题与内核和卷积有关。我相信。

假设你有一些数组;

arr = np.ones((5,5))

你还有一些2D卷积内核

kernel = [[0,0,0],
          [0,1,0],
          [0,0,0]]

在这种情况下，它是身份内核，所以如果你conv(arr,kernel)，你应该回到arr。

如果我们将内核更改为一维盒子模糊内核怎么办？

kernel = [[0,1,0],
          [0,1,0],
          [0,1,0]]

你不应该期望得到arr的模糊版本，即一个峰值为1的数组。考虑元素(3,3) - 旧值为1，并且在卷积之后它将是1*arr[3,2] + 1*arr[3,3] + 1*arr[3,4] = 3。相反，如果kernel沿着其中心列有0.33，那么你将获得每个元素的1/3，并且该值将保持为1。

这区分了卷积内核的一些分类 - 有些非标准化且它们的值是不受约束的，那些是单位峰值并且最大值为1，以及单位能量的总和为1的那些。

图像中的总能量（所有值的总和）将随着非标准化或单位峰值内核而变化。如果你使用单位能量核心进行卷积，图像中的总能量在前后保持不变。

解决你的意见：

有没有办法将每个像素高斯分为“最大（高斯）”和“高斯”。以便每个像素相对于像素强度进行卷积？

如果你想要的行为是明亮的东西（星星）比黑暗的东西（背景）更模糊，那自然会发生。或者，更具体地说，高对比度事物比低对比度事物更模糊。想象一下相机，它可能是数码单反相机或手机或其他任何东西。如果蓝色，无云的天空没有焦点，你能说出来吗？如果一颗星没有焦点，你能说出来吗？

如果你想以某种方式加权卷积中的像素值，那么你应该复制你的数据并按适当的权重缩放每个像素，并将修改后的数据与你的内核进行卷积。

数据立方体的高斯卷积

2 个答案: