scipy.signal.
高斯样条#
- scipy.signal.gauss_spline(x, n)[源代码][源代码]#
高斯近似于 n 阶 B 样条基函数。
- 参数:
- xarray_like
一个节点向量
- n整数
样条的阶数。必须是非负的，即 n >= 0
- 返回:
- resndarray
通过零均值高斯函数近似的B样条基函数值。
注释
B样条基函数可以通过一个标准差为 \(\sigma=(n+1)/12\) 的零均值高斯函数很好地近似，其中 n 较大。
\[\frac{1}{\sqrt {2\pi\sigma^2}}exp(-\frac{x^2}{2\sigma})\]参考文献
[1]Bouma H., Vilanova A., Bescos J.O., ter Haar Romeny B.M., Gerritsen F.A. (2007) 基于B样条的快速且精确的高斯导数。在：Sgallari F., Murli A., Paragios N. (编) 计算机视觉中的尺度空间和变分方法。SSVM 2007. 计算机科学讲义，卷4485。Springer, 柏林, 海德堡
示例
我们可以计算由高斯分布近似的B样条基函数：
>>> import numpy as np >>> from scipy.signal import gauss_spline >>> knots = np.array([-1.0, 0.0, -1.0]) >>> gauss_spline(knots, 3) array([0.15418033, 0.6909883, 0.15418033]) # may vary