结构矩阵和卷积内核
| DiskMatrix[r] |  零矩阵中半径为 r 值为1的圆平面 |
| DiskMatrix[{r1,...}] | 维数为  × ... 的矩阵中半径为  , ... 值为1的椭球体 |
| DiskMatrix[{r1, ...},{n1, ...}] | 维数为  × ...的矩阵中半径为  , ... 的椭球体 |
| DiamondMatrix[{r1,...},{n1,...}] | 维数为  × ...的矩阵中半径为  , ... 值为1的菱形 |
| BoxMatrix[{r1,...},{n1,...}] | 维数为  × ...的矩阵中半径为  , ... 值为1的盒形 |
| CrossMatrix[{r1,...},{n1,...}] | 维数为  × ...的矩阵中半径为  , ... 值为1的十字形 |
构造特殊形状的矩阵.
这里产生一个零矩阵，其中包含一个半径为4值为1的菱形. 结果是一个9×9矩阵.
Out[1]//MatrixForm= |
| |  |
Out[2]//MatrixForm= |
| |  |
Out[3]//MatrixForm= |
| |  |
| Out[4]= |  |
| Out[5]= |  |
| Out[6]= |  |
| Out[7]= |  |
高斯矩阵.
Out[8]//MatrixForm= |
| |  |
| Out[9]= |  |
Out[10]//MatrixForm= |
| |  |
使用
Method->"Gaussian" 来抽样一个真正的高斯函数.
Out[11]//MatrixForm= |
| |  |
| Out[12]= |  |
这指定矩形高斯函数矩阵中两个方向上的标准偏差都为1.
Out[13]//MatrixForm= |
| |  |
| Out[14]= |  |
通过在第二自变量中使用嵌套的
List 对象来对导数求和. 例如，这画出拉普拉斯函数.
| Out[15]= |  |
这求出具有至少95%的标准偏差为1的高斯函数的积分的向量长度.
| Out[16]= |  |
这求出在每一方向上具有至少95%的标准偏差为1的高斯函数的积分的矩阵的维数.
| Out[17]= |  |
| Out[18]= |  |
矩阵
}]
矩阵
× ... 数组，其中第 i 个方向抽样于标准偏差为 
的高斯函数
× ... 数组，其中第 i 个方向抽样于标准偏差为 
的高斯函数的第 i 个方向上的第 
阶离散导数
