Gauss模版上面的数据，中心区域大，越往边界越小，这些数据服从Gauss分布。下图就是高斯分布的表达式。可以看出来，在σ大小固定的情况下，点(x,y)离原点越远，函数值越小。下面，我就用高斯分布的表达式，来给出各种高斯模版。
工具/原料
1
电脑
2
python
方法/步骤
1
先定义一个Gauss分布的表达式：import numpy as npe=np.epi=np.pid=0.9def g(x,y): return e**(-(x**2+y**2)/(2*d**2))这里，我忽略了表达式的常数部分，只保留了指数函数的那部分。
2
构造一个3*3的模版，最初，所有的数值都等于0。moban=np.zeros((3,3),dtype=float)
3
Gauss分布，在x=y=0的时候有最大值，把这个最大值放到模版中心：moban[1,1]=g(0,0)
4
用for循环，把模版相应位置上的数值填满：for i in range(3): for j in range(3): moban[i,j]=g(i-1,j-1)
5
模版里面全是浮点数，我们想把数值调整为正整数。注意到模版角落里面的数值最小，所以把角落里面的数字正规化为1，而把其余数字除以最小值，并取整：for i in range(3): for j in range(3): moban[i,j]=int(g(i-1,j-1)/g(1,1))
6
包装这个函数gau(n)，并用这个函数给出一个7阶的Gauss模版。
上一篇：超声波清洗机的选购