问题标签 [gaussian]

我有一些离散值和假设，这些值位于高斯曲线上。应该有一个只使用 3 个离散值的最大计算算法。你知道实现这个计算的 C/C++ 中的任何库或代码吗？

谢谢！

PS：原任务是自动对焦实现。我移动（显微镜）相机并在不同位置拍摄照片。具有最多不同颜色的位置应该具有最佳焦点。

编辑 这是很久以前的事了:-(我只是想删除这个问题，但尊重好的答案。

Box-Muller 变换是一种从高斯分布中采样随机值的优雅且性能合理的方法。

我正在寻找一种用 C# 清晰编写的更快的方法。

作为参考，这里有一个 Box-Muller 实现的实现，作为性能比较的基准......

我必须使用EM来估计这两个类中每一类的高斯分布的均值和协方差。他们也有一些缺失的属性。

每个对象的类是已知的。因此，问题基本上归结为拟合缺少元素的高斯模型。

哪个库最好用？

ECM算法与EM算法有何不同？

我正在使用 OpenCV 并尝试将高斯模糊应用于传入的视频流。我基本上使用 cvQueryFrame 删除一个框架，模糊它并将框架显示到屏幕上。但问题是，在我应用模糊后，我的视频卡在了第一帧……有人知道为什么吗？它基本上显示一帧而不是视频。第二次我消除了模糊，它再次开始输出视频。

}

我有解决以下问题的代码，但使用起来似乎太慢了（我认为 O(n^4)）。帮助 python 初学者将正确的代码变成可用的代码！

神经元可以通过其层和二维索引来指定。例如，N{0}(1,1) 是第一层第二行第二列的神经元。每个神经元位于二维空间中，并且两层均匀地填充相同的空间。因此，我们可以根据每个神经元的二维索引及其层具有的行/列数为每个神经元分配一个 (x,y) 坐标。例如：假设第一层有 s0 行和列。那么，N{0}(1,1) 将位于 (x,y) = (1.5/s0,1.5/s0)

我必须指定两层神经元之间的连接模式。假设第一层是 s0 乘 s0，下一层是 s1 乘 s1。对于每一层，我可以通过先行列来给神经元一个唯一的索引。然后我的函数的输出将是一个包含 s0*s0 行和 s1*s1 列的矩阵：每个条目指定从第 0 层到第 1 层的连接强度。我希望这个连接的强度是高斯函数在两个神经元的空间位置 (x,y) 之间的差异处进行评估。

我的第一种方法是使用嵌套的 for 循环，但这非常慢：

也许有一些方法可以预先计算您需要的所有值？有什么 python 技巧可以帮助我加快速度吗？如果是matlab，我会尝试对代码进行矢量化，但我需要用python编写。

欢迎任何想法！谢谢。

我正在编写具有可变半径（标准偏差）的高斯模糊，即图像的每个像素都使用不同的内核进行卷积。计算高斯模糊的标准技术在这里不起作用：FFT、轴分离、重复框模糊——它们都假设内核对于整个图像是相同的。

现在，我正在尝试使用以下方案来近似它：

_{使用由一组 N 组轴对齐矩形 R k}和系数 α _k定义的分段常数函数 f(x,y) 逼近高斯核 K(x,y) ：

    f(x,y) = ∑<sub>k=1 ^N α _k ·χ _{R k} (x,y)

让 g(x,y) 成为我们的图像，然后

    ∬<sub>ℝ<sup>2 K(x,y)·g(x,y) dxdy ≈ ∬<sub>ℝ<sup>2 f(x,y)·g(x,y) dxdy = ∑< sub>k=1 ^N α _k ·∬<sub>R _k g(x,y) dxdy

RHS 上的积分是矩形上的简单积分，因此可以通过预先计算整个图像的部分和来在恒定时间内计算。

生成的算法在 O(W·H·N) 中运行，其中 W 和 H 是图像的尺寸，N 与近似误差成反比 (AFAIK)。

剩下的部分是找到一个好的逼近函数 f(x,y)。当给定矩形数量 N（最小化误差）或给定误差（最小化矩形数量）时，如何找到高斯的最佳近似值？

我编写了使用 openCV api 创建一个高斯内核，然后将其传递给 Conv2ByDFT 函数进行卷积。但是程序崩溃了，我不知道为什么。这是代码。

这是 main() 中的一些代码来调用上面的函数

我不知道 getGaussianKernel() 函数是否有问题，或者我的 Conv2ByFFT() 函数是否有问题...谁能帮帮我？多谢！

我可以生成具有random.gauss(mu, sigma)函数的高斯数据，但是如何生成二维高斯数据？有没有这样的功能？

我有一个相当基本的数学问题，但诀窍是我在 C++ 中需要它。我现在正在关注维基百科上给出的伪代码。这是我的尝试：

我关注的伪代码来自维基百科：

到目前为止，我已经做到了最好的匹配，但是如果有人能够弄清楚为什么我的母鹿不工作，那就太好了。谢谢！

我正在编写一个函数 Conv2ByFFT() 来执行类似于 openCV api 中的 GaussianBlur() 的高斯模糊。但是当我比较 by function 和 GaussianBlur() api 之间的效果时，我发现前者不像后者那样“模糊”，我不知道为什么。

这是“正确”的

这是使用我的 Conv2ByFFT() 的结果

这是一些代码