问数据立方体的高斯卷积

EN

您发布的解决方案已经说明了如何与峰值归一化高斯卷积。从你的评论中，听起来你希望你的“峰值”不受周围数据点的影响。严格地说，这是不可能的-卷积意味着每个像素都被“分散”了。

但是，您可能正在谈论astropy实现的标准化卷积(请参阅http://docs.astropy.org/en/stable/convolution/index.html)。只要周围的像素设置为NAN，它们就不会对邻居做出任何贡献。因此，如果您有一个稀疏填充的数组，其中只有几个像素想要模糊为周围的“空”像素，那么只需将“空”像素设置为NaN。请参阅此示例：http://docs.astropy.org/en/stable/convolution/index.html#using-astropy-s-convolution-to-replace-bad-data

我相信，你的问题在很高的层次上与内核和卷积有关。

假设你有一些数组的数组；

arr = np.ones((5,5))

你也有一些2D卷积内核

kernel = [[0,0,0],
          [0,1,0],
          [0,0,0]]

在本例中，它是标识内核，所以如果执行conv(arr,kernel)，应该会返回arr。

如果我们把内核改成1D盒模糊内核会怎么样？

kernel = [[0,1,0],
          [0,1,0],
          [0,1,0]]

你不应该期望得到一个模糊版本的arr，即一个在1处达到峰值的数组。考虑一下元素(3,3) -旧值是1，经过卷积后它将是1*arr[3,2] + 1*arr[3,3] + 1*arr[3,4] = 3。相反，如果kernel的中心列有0.33，您将获得每个元素的1/3，值将保持为1。

这区分了卷积核的几种分类-有未归一化的卷积核，其值无约束的卷积核，单位峰值且最大值为1的卷积核，以及和为1的单位能量的卷积核。

图像中的总能量(所有值的总和)将随未归一化或单位峰值内核而变化。如果你与一个单位能量核进行卷积，图像中的总能量在前后保持不变。

要解决您的意见，请执行以下操作：

有没有办法将每个像素的高斯除以“最大(高斯)”，这样每个像素就可以相对于像素强度进行卷积？

如果你想要的行为是让明亮的东西(星星)比黑暗的东西(背景)变得更模糊，这是很自然的。或者，更具体地说，高对比度的东西比低对比度的东西更模糊。想象一下一台相机，它可以是单反，也可以是你的手机或其他任何东西。如果蓝蓝的，万里无云的天空是模糊的，你能看出来吗？如果一颗星失焦了，你能看出来吗？

如果您想以某种方式加权卷积中的像素值，那么您应该复制数据，并按适当的权重缩放每个像素，然后将修改后的数据与内核进行卷积。