GaussianFilter

GaussianFilter[data,r]

通过与半径为 r 的高斯内核卷积过滤 data.

GaussianFilter[data,r,{n1,n2,…}]

与从第 ni 个离散高斯导数获得的内核卷积 data.

GaussianFilter[data,{r,σ},…]

使用半径为 r，标准差为 σ 的高斯内核.

GaussianFilter[data,{{r1,r2,…},…}]

使用数据中第 i 层的半径 ri.

更多信息和选项

  • GaussianFilter 是常用于图像处理中的滤波器，用于平滑、减少噪声和计算图像的导数. 它是基于卷积的滤波器，使用高斯矩阵作为它的根本内核.
  • data 可以是：
  • list任意阶的数值数组
    tseries时间数据，例如 TimeSeries、TemporalData、…
    image任意 Image 或 Image3D 对象
    audio一个 Audio 对象
  • GaussianFilter[data,r] 使用标准差 .
  • 默认情况下，GaussianFilter[data,…] 给出与 data 同样维度的数组、音频或图像.
  • 可以指定下列选项：
  • Method "Bessel"如何确定高斯矩阵的元素
    Padding "Fixed"填充方法
    Standardized True是否为了满足截断，对高斯矩阵进行缩放和平移
    WorkingPrecision Automatic使用的精度
  • Method 选项的可能设置为 "Bessel" 和 "Gaussian".
  • 设置 Padding->None，GaussianFilter[data,…] 一般返回比 data 更小的数组、音频或图像. »

背景

  • GaussianFilter 是通常用于图像平滑处理，减少噪声及计算衍生图像的滤波器. 它是一个基于卷积的滤波器，使用高斯矩阵作为其底层内核.
  • 高斯滤波是线性的，意即它会把每个像素替换成其相邻像素的线性组合（权重由高斯矩阵决定）. 它也是局部的，意即它输出的像素值只依赖于由卷积内核决定的邻域范围内的像素值.
  • 高斯滤波并不保边，所以当必须保留图像边界时其它滤波器如 BilateralFilter 和 MeanShiftFilter 可能更合适些.
  • 应用 GaussianFilter 等价于使用带 GaussianMatrix 内核的 ImageConvolve. MeanFilter 是一个类似的平滑滤波器.

范例

打开所有单元关闭所有单元

基本范例  (3)

列表的高斯滤波：

彩色图像的高斯模糊：

图像的一阶高斯导数：

范围  (10)

数据  (6)

数值向量的高斯滤波：

数值向量的高斯导数：

数值数组的高斯模糊：

滤波一个 TimeSeries：

滤波一个 Audio 信号：

平滑一个灰度图像：

对图像的两个维度应用高斯一阶导：

3D 图像的高斯平滑：

图像的三阶高斯导数：

参数  (4)

阶跃序列的高斯平滑：

使用自定义的标准差：

比较两个结果：

显示阶跃序列的一阶、二阶、三阶高斯导数：

只是垂直高斯模糊：

垂直高斯导数：

水平高斯导数：

只在垂直方向的3D 图像的高斯平滑：

只过滤水平平面：

只在垂直方向的 3D 图像的高斯导数：

只滤波水平平面：

选项  (10)

Method  (1)

默认情况下，使用 "Bessel" 方法获取滤波系数：

使用方法 "Gaussian"：

Padding  (4)

GaussianFilter 使用不同的填充方法进行平滑：

默认情况下，使用固定的 "Fixed" 填充：

指定自定义的填充：

Padding->None 通常返回比输入图像小的图像：

Standardized  (1)

默认设置是 True：

使用 Standardized->False：

WorkingPrecision  (4)

MachinePrecision 在默认情况下使用整数数组：

转而进行精确计算：

对于实数数组，默认采用输入的精度：

指定要使用的精度：

对于符号数组，采用精确计算：

WorkingPrecision 在图像滤波时被忽略：

总是返回实数类型图像：

应用  (6)

平滑与锐化  (3)

使用 GaussianFilter 平滑时间序列和识别趋势：

计算模糊遮罩：

对原始图像添加模糊遮罩：

增强模糊遮罩效果：

从图像中去除高斯彩色噪声：

把图像转换为 LABColor 空间：

对 通道应用中值滤波和高斯滤波彩色通道 和 ：

导数  (3)

使用 GaussianFilter 去燥音频信号：

计算图像梯度：

计算图像的拉普拉斯：

属性和关系  (5)

对选择的半径的高斯平滑滤波脉冲响应：

2D 中的高斯导数脉冲响应：

高斯滤波返回一幅实数类型的图像：

用 ImageConvolve 进行高斯滤波：

GaussianFilter 是一个线性滤波器：

Wolfram Research (2008)，GaussianFilter，Wolfram 语言函数，https://reference.wolfram.com/language/ref/GaussianFilter.html （更新于 2016 年）.

文本

Wolfram Research (2008)，GaussianFilter，Wolfram 语言函数，https://reference.wolfram.com/language/ref/GaussianFilter.html （更新于 2016 年）.

CMS

Wolfram 语言. 2008. "GaussianFilter." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/GaussianFilter.html.

APA

Wolfram 语言. (2008). GaussianFilter. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/GaussianFilter.html 年

BibTeX

@misc{reference.wolfram_2024_gaussianfilter, author="Wolfram Research", title="{GaussianFilter}", year="2016", howpublished="\url{https://reference.wolfram.com/language/ref/GaussianFilter.html}", note=[Accessed: 17-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_gaussianfilter, organization={Wolfram Research}, title={GaussianFilter}, year={2016}, url={https://reference.wolfram.com/language/ref/GaussianFilter.html}, note=[Accessed: 17-November-2024 ]}