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.
In[1]:=
Click for copyable input
Out[1]//MatrixForm=
矩阵大小可以被明确指定.
In[2]:=
Click for copyable input
Out[2]//MatrixForm=
In[3]:=
Click for copyable input
Out[3]//MatrixForm=
这里产生并图形显示一个包含椭圆的矩阵.
In[4]:=
Click for copyable input
Out[4]=
这里是同样的矩阵,它被转化成一个 Image. 注意1是 White,0是 Black.
In[5]:=
Click for copyable input
Out[5]=
形状矩阵函数族可以产生任意阶的矩阵.
In[6]:=
Click for copyable input
Out[6]=
In[7]:=
Click for copyable input
Out[7]=
GaussianMatrix[r]抽样于高斯函数的 矩阵
GaussianMatrix[{r,}]抽样于标准偏差为 的高斯函数的 矩阵
GaussianMatrix[{{r1,...},{1,...}}]× ... 数组,其中第 i 个方向抽样于标准偏差为 的高斯函数
GaussianMatrix[{{r1,...},{1,...}},{n1,...}]× ... 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

高斯矩阵.

这产生一个半径为2的高斯核.
In[8]:=
Click for copyable input
Out[8]//MatrixForm=
GaussianMatrix 可以构造任意阶的矩阵.
In[9]:=
Click for copyable input
Out[9]=
默认下,矩阵元素是数值的,并且在构造上使得它们在离散卷积下行为优化. 使用 WorkingPrecision->Infinity 会产生一个精确的表示.
In[10]:=
Click for copyable input
Out[10]//MatrixForm=
使用 Method->"Gaussian" 来抽样一个真正的高斯函数.
In[11]:=
Click for copyable input
Out[11]//MatrixForm=
这显示两种高斯函数的对比.
In[12]:=
Click for copyable input
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.
In[13]:=
Click for copyable input
Out[13]//MatrixForm=
画出该高斯函数沿行的方向上的二阶导数.
In[14]:=
Click for copyable input
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.
In[15]:=
Click for copyable input
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.
In[16]:=
Click for copyable input
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.
In[17]:=
Click for copyable input
Out[17]=
In[18]:=
Click for copyable input
Out[18]=
New to Mathematica? Find your learning path »
Have a question? Ask support »