问题标签 [gaussian]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
image-processing - 高斯模糊问题
我正在写一个高斯滤镜，我的目标是尽可能地匹配 Photoshop 中的高斯模糊滤镜。这是我的第一次图像处理尝试。我遇到的一些问题/问题是......
用我的滤镜进一步模糊图像会使它变暗，而 Photoshop 似乎会使它变亮。
我使用的偏差值（“sigma”，在我的代码中）是 r/3，这导致矩阵内的高斯曲线接近 0.0001……有没有更好的方法来确定这个值？
Photoshop（或大多数人）如何处理这种模糊的图像边框？
c++ - NxM 矩阵的高斯消除
上面的高斯消除算法在 NxN 矩阵上运行良好。但我需要它来处理 NxM 矩阵。任何人都可以帮我做吗？我数学不是很好。我在某个网站上得到了这个代码，我被困在它上面。
c# - 指数衰减包围盒
这个问题我真的不知道怎么表达，很奇怪。
我有一个强度值的一维数组和一个边界框（数组中的整数起点和终点）。我想保持边界框内的值相同，但以指数方式减少框外的值（即它们越远，它们被减少的越多）。应该看起来像一个高斯，在边界框所在的地方有一个高原。谁能举例说明我如何做到这一点？今晚我的大脑不能正常工作，谢谢。
更新：
我用这个：
c# - 生成高斯范围内的随机数？
我想使用一个随机数生成器，它在高斯范围内创建随机数，我可以自己定义中位数。我已经在这里问了一个类似的问题，现在我正在使用这段代码：
然后为了验证结果，我用 gaussianInRange(0, 0.5, 1) 为 n=100000000 绘制了它们
正如人们所看到的，中位数实际上是 0.5，但实际上并没有可见的曲线。那么我做错了什么？
编辑
我想要的是这样的东西，我可以通过传递一个值自己设置最高概率。
c - 高斯随机数发生器
我正在尝试在区间 [0,1] 中实现一个高斯分布的随机数生成器。
这几乎是 Knuth 的 TAOCP 第 3 版第 122 页的第 2 卷中算法的直接实现。
问题是rand_gauss()有时会返回区间 [0,1] 之外的值。
python - 这个python图像模糊功能有什么问题？
编辑：感谢霍华德，我已经更正了这里的代码，它现在似乎可以工作了。
EDIT2：我已经更新了代码以包含最初预期的垂直模糊。具有各种设置的结果示例输出：模糊比较图像.jpg
模糊操作（Java）的另一个参考：Blurring for Beginners
原帖：
我正在尝试学习基本的图像处理并在 python 中复制这个简单的模糊方法（“重用结果”下的第二个函数 BlurHorizontal）。我知道 PIL 中已经有模糊功能，但我想自己尝试基本的像素操作。
这个函数应该取一个源图像，然后根据一定的半径对 RGB 像素值进行平均，并将处理后的图像写入一个新文件。我的问题是我得到了很多平均值完全错误的像素（例如，某些区域的亮绿色线条而不是红色线条）。
模糊半径为 2 时，平均方法将输入像素为中心的 5 个像素的 RGB 值相加。它使用“滑动窗口”来保持运行总数，减去输出像素（左侧）并添加新的输入像素（窗口右侧）。模糊方法解释here
示例：模糊测试图像输出.jpg
有什么想法我哪里出错了吗？我不确定为什么图像的某些部分模糊不清，而其他区域则充满了与周围区域完全无关的颜色。
谢谢你的帮助。
固定工作代码（感谢霍华德）
c# - 去噪高斯的库或代码？
.NET 中是否有任何用于对高斯降噪的库或代码？
r - 如何在 R 中生成多元高斯随机数？
我们如何根据 R 中的高斯（正态）分布生成数据点？
假设我想在二维（或更高维）空间中生成遵循高斯分布的点。我如何使用 R 来做到这一点？
gnuplot - 在绘制为直方图的数据上叠加高斯形状
有人知道将高斯曲线叠加在直方图的不同区域上吗？我的目的是突出数据的趋势。谢谢。卢西奥
我的数据（以 % 为单位并保存在 hist.dat 中）是：
和绘制它的命令是：
image-processing - 背景减法的中值方差
我在实施移动观察者的统计背景减法论文时遇到了一些问题。
问题一：
在第 4.1 节中，它谈到了“......中值方差是根据第一个组件计算整个图像的......”
我很困惑作者的实际意思。
根据Stauffer & Grimson的论文 Adaptive Background Mixture Models for Real-Time Tracking (1999)，对于每个背景模型，都会初始化一个方差（比如值为 36），然后针对每个像素进行更新。是否应该取第一个模型在该帧所有像素上的方差的中值？
我们根据属于第一个模型的那些强度值的历史计算每个像素的方差，然后取所有这些方差的中间值。
问题 2：
我在理解第 4.1 节中的方程 (12) 时遇到困难
a) 'i' 是从1toH+1吗？如果是，第 (H+1) 个模型如何适合方程？
i) 就在等式 (13) 之后P(A_1 | B_(H+1),M)定义。不应该rho_(H+1) = min(1, N_tot/N_max)代替 max 可以使P(A_1 | B_(H+1),M) (-)ve 吗？
ii) 对于第 (H+1) 个模型，我们应该有P(A_1 | B_(H+1),M) * P(B_(H+1) | N) to P(A_1 | Z,M)等式 (12) 吗？
b) 当 H=1 时，dosP(A1|Z,M)变为 1？
我的实现在这里。
请在我的网页中提到的MATLAB文件中查看我的试用版。