RickerWavelet1内核

class astropy.convolution.RickerWavelet1DKernel(width, **kwargs)

基类：Kernel1D

一维Ricker小波滤波器核（有时称为“墨西哥帽”核）。

Ricker小波，或称逆高斯拉普拉斯滤波器，是一种带通滤波器。它平滑数据并删除缓慢变化或恒定的结构（例如背景）。它对于峰值或多尺度检测非常有用。

该核是通过计算二阶导数，由归一化高斯函数导出的。这将导致核中心的振幅为1。/（平方英尺（2 圆周率） 宽度**3）。标准化与 scipy.ndimage.gaussian_laplace ，除了一个负号。

备注

看到了吗https://github.com/astropy/astropy/pull/9445有关重命名此内核的讨论。

参数:

width : number数

滤波器核的宽度，定义为导出它的高斯函数的标准差。

x_size : int ，可选PYTHON：int，可选

内核数组x方向的大小。默认值=⌊8*Width+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'

  离散化模型通过线性插值之间的值在角落的箱子。

• '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

Box1DKernel, Gaussian1DKernel, Trapezoid1DKernel

实例

内核响应：

import matplotlib.pyplot as plt
from astropy.convolution import RickerWavelet1DKernel
ricker_1d_kernel = RickerWavelet1DKernel(10)
plt.plot(ricker_1d_kernel, drawstyle='steps')
plt.xlabel('x [pixels]')
plt.ylabel('value')
plt.show()

(png, svg, pdf)