生成给定均值和标准差的高斯核
Generate a Gaussian kernel given mean and standard deviation
这里的问题解决了如何使用 numpy 生成高斯核。但是我不明白使用 kernlen 和 nsig 的输入是什么，以及它们与通常用于描述高斯分布的 mean/standard 偏差有何关系。
我如何生成由 mean = (8, 10) 和 sigma = 3 描述的二维高斯内核？理想的输出是代表高斯分布的二维数组。
您可以使用 astropy，尤其是 Gaussian2D model from the astropy.modeling.models 模块：
from astropy.modeling.models import Gaussian2D
g2d = Gaussian2D(x_mean=8, y_mean=10, x_stddev=3, y_stddev=3) # specify properties
g2d(*np.mgrid[0:100, 0:100]) # specify the grid for the array
kernlen 和 nsig 的输入是什么，以及它们与通常用于描述高斯分布的 mean/standard 偏差有何关系。
我如何生成由 mean = (8, 10) 和 sigma = 3 描述的二维高斯内核？理想的输出是代表高斯分布的二维数组。
您可以使用 astropy，尤其是 Gaussian2D model from the astropy.modeling.models 模块：
from astropy.modeling.models import Gaussian2D
g2d = Gaussian2D(x_mean=8, y_mean=10, x_stddev=3, y_stddev=3) # specify properties
g2d(*np.mgrid[0:100, 0:100]) # specify the grid for the array