Python SciPy signal.gauss_spline用法及代码示例

本文简要介绍 python 语言中 scipy.signal.gauss_spline 的用法。

用法:

scipy.signal.gauss_spline(x, n)#

对 n 阶 B-spline 基函数的高斯逼近。

参数 ：：

x： array_like

一个结向量

n： int

样条线的顺序。必须为非负数，即 n >= 0

返回 ：：

res： ndarray

B-spline 基函数值由zero-mean 高斯函数近似。

注意：

B-spline 基函数可以很好地近似为标准差等于的zero-mean 高斯函数\(\sigma=(n+1)/12\)对于大n：

\[\frac{1}{\sqrt {2\pi\sigma^2}}exp(-\frac{x^2}{2\sigma})\]

参考：

[1]

Bouma H.、Vilanova A.、Bescos J.O.、ter Haar Romeny B.M.、Gerritsen F.A. (2007) 基于B-Splines 的快速准确的高斯导数。在：Sgallari F.、Murli A.、Paragios N.(编辑)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，第 4485 卷。施普林格，柏林，海德堡

[2]

http://folk.uio.no/inf3330/scripting/doc/python/SciPy/tutorial/old/node24.html

例子：

我们可以计算近似于高斯分布的B-Spline基函数：

>>> import numpy as np
>>> from scipy.signal import gauss_spline, bspline
>>> knots = np.array([-1.0, 0.0, -1.0])
>>> gauss_spline(knots, 3)
array([0.15418033, 0.6909883, 0.15418033])  # may vary

>>> bspline(knots, 3)
array([0.16666667, 0.66666667, 0.16666667])  # may vary