高斯衰減python實現(xiàn)

def get_score_time_weight(original, offset,scale,current_data):
    diff = current_data-original
    if  math.fabs(diff) < offset:
        return 1
    else:
        var_sqr = scale**2/(2*math.log(2))
        return math.pow(math.e,-(math.fabs(diff)-offset)**2/(2*var_sqr))

效果如下：

對應的實際計算公式正態(tài)分布概率密度函數(shù)去掉常數(shù)項為：

高斯濾波學習筆記

在圖像處理中，高斯濾波一般有兩種實現(xiàn)方式，一是用離散化窗口滑窗卷積，另一種通過傅里葉變換。最常見的就是第一種滑窗實現(xiàn)，只有當離散化的窗口非常大，用滑窗計算量非常大（即使用可分離濾波器的實現(xiàn)）的情況下，可能會考慮基于傅里葉變化的實現(xiàn)方法。

原理

圖像大多數(shù)噪聲均屬于高斯噪聲，因此高斯濾波器應用也較廣泛。高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應用于圖像去噪。

可以簡單地理解為，高斯濾波去噪就是對整幅圖像像素值進行加權平均，針對每一個像素點的值，都由其本身值和鄰域內(nèi)的其他像素值經(jīng)過加權平均后得到。

高斯濾波的具體操作是：用一個用戶指定的模板（或稱卷積、掩膜）去掃描圖像中的每一個像素，用模板確定的鄰域內(nèi)像素的加權平均灰度值去替代模板中心像素點的值。

一維高斯分布：

二維高斯分布：

高斯模糊：

我們常說的高斯模糊就是使用高斯濾波器完成的，高斯模糊是低通濾波的一種，也就是濾波函數(shù)是低通高斯函數(shù)，但是高斯濾波是指用高斯函數(shù)作為濾波函數(shù)，至于是不是模糊，要看是高斯低通還是高斯高通，低通就是模糊，高通就是銳化。

濾波器是建立的一個數(shù)學模型，通過它來將圖像數(shù)據(jù)進行能量轉(zhuǎn)化，能量低的就排除掉，噪聲屬于低能量部分。編程運算的話就是一個模板運算，拿圖像的八連通區(qū)域來說，中間點的像素值就等于八連通區(qū)的像素值的均值，這樣達到平滑的效果。假如使用理想濾波器，則會在圖像中產(chǎn)生振鈴現(xiàn)象。如果采用高斯濾波器，系統(tǒng)函數(shù)為平滑的，避免了振鈴現(xiàn)象(圖像處理中，對一幅圖像進行濾波處理，若選用的頻域濾波器具有陡峭的變化，則會使濾波圖像產(chǎn)生“振鈴”，所謂“振鈴”，就是指輸出圖像的灰度劇烈變化處產(chǎn)生的震蕩，就好像鐘被敲擊后產(chǎn)生的空氣震蕩。).

理想濾波器是指能使通帶內(nèi)信號的幅值和相位都不失真，阻帶內(nèi)的頻率成分都衰減為零的濾波器，其通帶和阻帶之間有明顯的分界線。也就是說，理想濾波器在通帶內(nèi)的幅頻特性應為常數(shù)，相頻特性的斜率為常值；在通帶外的幅頻特性應為零。

由于高斯函數(shù)的傅立葉變換仍是高斯函數(shù)， 因此高斯函數(shù)能構成一個在頻域具有平滑性能的低通濾波器?？梢酝ㄟ^在頻域做乘積來實現(xiàn)高斯濾波。均值濾波是對信號進行局部平均， 以平均值來代表該像素點的灰度值。矩形濾波器(Averaging Box Filter)對這個二維矢量的每一個分量進行獨立的平滑處理。通過計算和轉(zhuǎn)化 ，得到一幅單位矢量圖。這個 512×512的矢量圖被劃分成一個 8×8的小區(qū)域 ，再在每一個小區(qū)域中 ，統(tǒng)計這個區(qū)域內(nèi)的主要方向 ，亦即將對該區(qū)域內(nèi)點方向數(shù)進行統(tǒng)計，最多的方向作為區(qū)域的主方向。于是就得到了一個新的64×64的矢量圖。這個新的矢量圖還可以采用一個 3×3模板進行進一步的平滑。

總結(jié)

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論