Python 生成 2D 高斯核

本文最后更新于：2024年5月7日下午

本文记录 Python 中二维高斯核的生成方法。

生成思路

使用 cv2.getGaussianKernel(ksize, sigma[, ktype]) 函数
该函数用于生成一维高斯核
生成一维高斯核后乘以自己的转置得到二维高斯核

核心函数

cv2.getGaussianKernel(ksize, sigma[, ktype]) ，函数生成一维高斯核
官方函数文档
参数说明

参数	描述	限制
ksize	核尺寸（文档中要求奇数，使用时可以是偶数）	正整数
sigma	高斯函数的标准差	正数
ktype	滤波器系数的类型，可以是 `cv2.CV_32f` 或 `cv2.CV_64f`，配置参数后生成数据会分别表示为 `float32` 和 `float64`类型，默认为`cv2.CV_64f`	`cv2.CV_32f` 或 `cv2.CV_64f`

公式：
$$
\mathrm{G}_{\mathrm{i}}=\alpha * e^{-(\mathrm{i}-(\mathrm{ksize}-1) / 2)^{2} /(2 * \mathrm{sigma})^{2}}
$$

生成方法

生成一维高斯核

1 2	`import cv2 data = cv2.getGaussianKernel(300, 100, cv2.CV_32F)`

计算得到二维高斯核

import cv2 
from mtutils import PIS

data = cv2.getGaussianKernel(300, 100, cv2.CV_32F)

gaussian_kernel = data * data.T
PIS(gaussian_kernel)

如果需要将其归一化到 0 - 1，可以使用 mtutils 中的 min_max_normalize 函数：

import cv2 
from mtutils import PIS
from mtutils import min_max_normalize

data = cv2.getGaussianKernel(300, 100, cv2.CV_32F)

gaussian_kernel = data * data.T
gaussian_kernel = min_max_normalize(gaussian_kernel)
PIS(gaussian_kernel)

pass