ガウス二次元核

class astropy.convolution.Gaussian2DKernel(x_stddev, y_stddev=None, theta=0.0, **kwargs)

ベースクラス: astropy.convolution.core.Kernel2D

二次元ガウスフィルタリング核。

ガウスフィルタは、平滑化特性に優れたフィルタである。それは等方性であり、傷は生じない。

パラメータ

x_stddev浮いている.

回転前xにおけるガウスの標準偏差にθを乗じる.

y_stddev浮いている.

回転前yにおけるガウスの標準偏差にθを乗じる.

theta浮遊や

角度を回転させる。浮動小数点パイプラインとしては，アーク単位であると仮定する.回転角度は反時計回りに増加する.

x_size形が整っていて、オプションです

カーネル配列x方向の大きさ.デフォルト値=Σ8*stddev+1≡です。

y_size形が整っていて、オプションです

カーネル配列y方向の大きさ.デフォルト値=Σ8*stddev+1≡です。

mode文字列、オプション

以下の離散化モデルの1つ：

• “真ん中”(デフォルト)

  箱の中心の値をとることでモデルを離散化する.

• 'linear_interp'

  箱角の値間で双線形補間を行うことでモデルを離散化する.

• “過サンプリング”

  過サンプリンググリッド上の平均値をとることでモデルを離散化する.

• “統合”

  ボックス上にモデルを統合することでモデルを離散化する.

factor数字、オプション

オーバーサンプリング係数。デフォルト因子=10。

参考

Box2DKernel, Tophat2DKernel, RickerWavelet2DKernel, Ring2DKernel

TrapezoidDisk2DKernel, AiryDisk2DKernel, Moffat2DKernel

実例.

カーネル応答：

import matplotlib.pyplot as plt
from astropy.convolution import Gaussian2DKernel
gaussian_2D_kernel = Gaussian2DKernel(10)
plt.imshow(gaussian_2D_kernel, interpolation='none', origin='lower')
plt.xlabel('x [pixels]')
plt.ylabel('y [pixels]')
plt.colorbar()
plt.show()

(png, svg, pdf)