scipy.signal.
gauss_spline#
- scipy.signal.gauss_spline(x, n)[source]#
对n阶B样条基函数的Gaussian近似。
- 参数：:
- x类数组
一个节点向量
- nint
样条的阶数。必须是非负的，即 n >= 0
- 返回值：:
- resndarray
由零均值高斯函数近似的B样条基函数值。
备注
B样条基函数可以用一个零均值高斯函数很好地近似，该函数的标准差等于 \(\sigma=(n+1)/12\)，当 n 很大时
\[\frac{1}{\sqrt {2\pi\sigma^2}}exp(-\frac{x^2}{2\sigma})\]参考文献
[1]Bouma H., Vilanova A., Bescos J.O., ter Haar Romeny B.M., Gerritsen F.A. (2007) 基于B样条的快速准确高斯导数。在：Sgallari F., Murli A., Paragios N. (eds) 计算机视觉中的尺度空间和变分方法。SSVM 2007。计算机科学讲义，卷 4485。Springer，Berlin，Heidelberg
示例
我们可以计算由高斯分布近似的B样条基函数
>>> import numpy as np >>> from scipy.signal import gauss_spline >>> knots = np.array([-1.0, 0.0, -1.0]) >>> gauss_spline(knots, 3) array([0.15418033, 0.6909883, 0.15418033]) # may vary