如何在保持原始值的同时模糊三维点阵列？ （Python）

Question

我有一个稀疏的三维数组值。我试图通过对数组应用高斯滤波器来将每个“点”变成模糊的“球体”。

我想要点（x，y，z）的原始值保持不变。我只想在这个点附近创建衰减值......但应用高斯滤波器也会改变原始（x，y，z）值。

我目前这样做：

dataCube = scipy.ndimage.filters.gaussian_filter(dataCube, 3, truncate=8)

有没有办法对我来说，这个正常化，或者做一些让自己的原始值仍然在这个新的数据立方体？如果这不是最好的方法，我不一定要使用高斯滤波器。

Answer 1

可以使用以1为中心值，宽度小于数据点之间间距的内核进行卷积。

1-d例如：

import numpy as np 
import scipy.signal 
data = np.array([0,0,0,0,0,5,0,0,0,0,0]) 
kernel = np.array([0.5,1,0.5]) 
scipy.signal.convolve(data, kernel, mode="same") 

给

array([ 0. , 0. , 0. , 0. , 2.5, 5. , 2.5, 0. , 0. , 0. , 0. ]) 

注意fftconvolve可能是大型阵列更快。您还必须指定在数组边界处应发生的情况。

更新： 3 d例如

import numpy as np 
from scipy import signal 

# first build the smoothing kernel 
sigma = 1.0  # width of kernel 
x = np.arange(-3,4,1) # coordinate arrays -- make sure they contain 0! 
y = np.arange(-3,4,1) 
z = np.arange(-3,4,1) 
xx, yy, zz = np.meshgrid(x,y,z) 
kernel = np.exp(-(xx**2 + yy**2 + zz**2)/(2*sigma**2)) 

# apply to sample data 
data = np.zeros((11,11,11)) 
data[5,5,5] = 5. 
filtered = signal.convolve(data, kernel, mode="same") 

# check output 
print filtered[:,5,5] 

给

[ 0.   0.   0.05554498 0.67667642 3.0326533 5.   3.0326533 
    0.67667642 0.05554498 0.   0.  ]