高斯二德克内尔

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

基类：Kernel2D

二维高斯滤波核。

高斯滤波器是一种具有良好平滑特性的滤波器。它是各向同性的，不会产生伪影。

生成的内核被规格化，以便它集成到1。

参数:

x_stddev : floatPython ：浮点

以θ旋转前高斯在x轴上的标准偏差。

y_stddev : floatPython ：浮点

在θ旋转之前高斯在y轴上的标准偏差。

thetaPython：浮点或数量 [:ref: 'angle']

旋转角度。如果以浮点形式传递，则假定它以弧度表示。旋转角度逆时针增加。

x_size : int ，可选PYTHON：int，可选

内核数组x方向的大小。默认值=⌊8*stddev+1⌋。

y_size : int ，可选PYTHON：int，可选

内核数组y方向的大小。默认值=⌊8*stddev+1⌋。

mode{‘CENTER’，‘LINEAR_INTERP’，‘OVERSAME’，‘INTEGRATE’}，可选

以下离散化模式之一：

• “居中”（默认）

  将模型离散化，取箱子中心的值。

• 'linear_interp'

  离散化模型通过执行双线性插值之间的值在角落。

• '过采样'

  通过在过采样网格上取平均值来离散模型。

• “集成”

  通过在箱子上整合模型来离散模型。

factor : number ，可选数字，可选

过采样系数。默认系数=10。

参见

Box2DKernel, Tophat2DKernel, RickerWavelet2DKernel, Ring2DKernel

TrapezoidDisk2DKernel, AiryDisk2DKernel, Moffat2DKernel

实例

内核响应：

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)