问题标签 [gaussian]

在我正在进行的一个项目中，我需要从一组点中获得高斯拟合 - 需要一些处理的均值和方差，并且可能需要一个错误程度（或准确度级别）来让我弄清楚这组点是否真的具有正态分布。

我发现了这个问题

但它仅限于 3 点 - 而我需要一个可以处理任意数量点的合身。

我需要的是类似于labview Gaussian Peak Fit

我查看了 mathdotnet 和 aforge.net （在同一个项目中使用两者），但我没有找到任何东西。

有人知道任何 C# 或（易于转换的）C/C++ 或 Java 解决方案吗？

或者，有人告诉我应该使用迭代算法——我可以自己实现它（如果数学不太复杂的话）。关于我可以使用什么的任何想法？我已经阅读了很多文章（在 Wikipedia 和其他通过 Google 找到的文章），但我没有找到任何明确的解决方案指示。

我正在尝试为学校项目实施高斯模糊。我需要同时实现 CPU 和 GPU 来比较性能。

我不太确定我是否了解高斯模糊的工作原理。所以我的一个问题是我是否理解正确？

这是我现在所做的：我使用来自维基百科http://en.wikipedia.org/wiki/Gaussian_blur的公式来计算过滤器。对于 2d，我获取图像中每个像素的 RGB，并通过将像素和周围像素的 RGB 乘以相关的过滤器位置来对其应用过滤器。然后将这些相加为新的像素 RGB 值。对于 1d，我首先水平应用过滤器，然后垂直应用过滤器，如果我理解正确，应该会给出相同的结果。这个结果是否与应用 2d 过滤器时的结果完全相同？

我的另一个问题是如何优化算法。我读过快速傅里叶变换适用于高斯模糊。但我不知道如何关联它。有人可以给我一个正确方向的提示吗？

谢谢。

如何使用 emgucv 向图像添加高斯噪声（具有特定的均值和方差）？

我正在尝试在 C 中创建一个简单的控制台应用程序，它将使用高斯部分旋转消除方法计算矩阵的行列式。我遇到的两个问题是：-有人告诉我，某些矩阵不适用于这种方法（从数学上讲），在阅读了谷歌上的文章后，我找不到那个特殊情况-经过很多测试我发现我的程序不适用于某些矩阵，在“浪费”时间编辑和撤消 2 天后，我找不到问题。

任何类型的改进都非常受欢迎。我只是从C开始。

下面的这个返回被定义为高斯衰减。我没有看到 e 或 2 的幂，所以我不确定这与高斯衰减有何关系，或者它是否是我用来在网格上获得良好平滑变形的错误类型的衰减：

其中Mathf.Clamp01返回一个介于 0 和 1 之间的值。

inRadius是失真的大小，由下式distance确定：

vertices是网格顶点的列表，position是网格操作/变形的点。

我的问题是两个部分：

1）以上实际上是高斯衰减吗？它是指数的，但似乎没有关键的 e 或 2 的幂...（更新 - 我看到图形似乎以类似高斯的方式平滑地减小。也许这个函数不是问题 2 的原因以下）

2）我的网格变形不够平滑 - 鉴于上述参数，您会推荐不同的高斯衰减吗？

我正在尝试复制 T. Mertens 等。人。在论文 [1] 中，作者提出了一种方法，可以将使用不同相机曝光拍摄的多张照片融合成一张“更好”曝光的照片。论文 [2] 还提供了一个 Matlab 演示代码。该方法非常简单：计算每个像素的像素权重图，然后使用权重图和拉普拉斯/高斯金字塔混合方法组合图像，以防止混合伪影。

我基本上已将 Matlab 代码移植到 C++，但与 Matlab 实现相比，生成的图像看起来有些褪色（图片：http: //imageshack.us/photo/my-images/204/exposuresample.jpg/）。

我已经比较了我的 C++ 端口处理工作流程中的不同步骤，但这些似乎没问题。我的金字塔处理似乎有问题。

有图像处理背景的人有什么建议或想法可能导致褪色结果吗？

问候，

[1] http://research.edm.uhasselt.be/%7Etmertens/exposure_fusion/ [2] http://research.edm.uhasselt.be/%7Etmertens/exposure_fusion/exposure_fusion.zip

在我正在设计的网站的主页上，我希望初始英雄图像从模糊（高斯）变为清晰的动画。我环顾四周，惊讶地发现没有一个显而易见的 jQuery 解决方案可以做到这一点。我错过了什么吗？

由于我已经为网站上的其他内容加载了 jQuery 核心，我真的很希望它能够使用 jQuery。我找到了这个例子，但它使用的是 YUI，我宁愿不要为了这个效果而在 jQuery 之上加载 YUI。

我的问题非常接近这个问题：如何在不使用任何内置高斯函数的情况下对图像进行高斯模糊处理？

这个问题的答案很好，但是并没有给出实际计算一个真正的高斯滤波器内核的例子。答案给出了一个任意内核，并展示了如何使用该内核应用过滤器，而不是如何计算真正的内核本身。我正在尝试从头开始在 C++ 或 Matlab 中实现高斯模糊，所以我需要知道如何从头开始计算内核。

如果有人可以使用任何小的示例图像矩阵计算出真正的高斯滤波器内核，我将不胜感激。

我有一个需要在 MATLAB 中解决的二进制分类问题。有两个类，训练数据和测试数据问题来自两个类，它们是从高斯分布绘制的二维坐标。

样本是 2D 点，它们是这样的（A 类有 1000 个样本，B 类有 1000 个样本）：我只是在这里发布其中的一些：

5.867766 3.843014 5.019520 2.874257 1.787476 4.483156 4.494783 3.551501 1.212243 5.949315 2.216728 4.126151 2.864502 3.139245 1.532942 6.669650 6.569531 5.032038 2.552391 5.753817 2.610070 4.251235 1.943493 4.326230 1.617939 4.948345

如果有新的测试数据进来，我应该如何对测试样本进行分类？

P(Class/TestPoint) 与 P(TestPoint/Class) * (ProbabilityOfClass) 成正比。

我不确定我们如何计算给定二维坐标的 P(Sample/Class) 变量。现在，我正在使用公式

P（坐标/类）=（坐标-该类的平均值）/该类中点的标准差）。

但是，我没有得到很好的测试结果。我做错什么了吗？

如何使用范围（0-99）内的不同分布在 Java 中生成随机数。

我知道标准 Java.util.Random getNextInt() 使用 Uniform 和 PRNG。我将如何使用 nextGaussian？但是我将如何生成其余部分？问题是它们需要在指定的范围内（0-99），而随机库没有 nextPossion、nextExponential、nextGeometric 等？

谢谢你的时间。