问取python中不均匀采样数据的laplacian
EN

Stack Overflow用户

提问于 2013-08-12 21:31:26

回答 1查看 574关注 0票数 1

我有一堆不均匀采样(1-D)数据，以x和y值的形式，我想取laplacian值。是否有一种简单的方法可以在矮胖/枕木中做到这一点？

我正在考虑采取梯度梯度，但这难道不会引入伪影，即使是在均匀抽样的数据？例如，给定数据0,0,0,4,8,8,8和一维laplace算子1,-2,1，laplacian将是0,0,4,0,-4,0,0，但是使用梯度梯度将产生0,1,2,0,-2,-1,0。

python

numpy

回答 1

Stack Overflow用户

回答已采纳

发布于 2013-08-12 23:38:00

计算均匀网格的[1, -2, 1]算子的一种方法是用前向差分格式计算第一个导数，用反向差分格式计算第二个导数，反之亦然，因为两者得到的结果是相同的。因此，对于不均匀网格，一个很好的选择是，两种方法都这样做，然后将结果平均化。

假设我们正在查看一个网格点，它位于前一个网格点之前的hb，以及下一个网格点后面的hf：

--+----+----+---
 x-hb  x   x+hb

如果我没有搞砸我的代数，您在x的拉普拉斯( Laplacian )计算的平均值将是：

(f(x+hf)*(1+hb/hf) + f(x)(2+hb/hf+hf/hb) + f(x-hb)(1+hf/hb)) / (2*hf*hb)

您可以在一维数组上计算这个值，执行：

def laplacian(x, y):
    x = np.asarray(x)
    y = np.asarray(y)
    hb = x[1:-1] - x[:-2]
    hf = x[2:] - x[1:-1]
    y_hb = y[:-2]
    y_hf = y[2:]
    hb_hf = hb / hf
    hf_hb = hf / hb
    return (y_hf*(1+hb_hf) - y[1:-1]*(2+hb_hf+hf_hb) +
            y_hb*(1+hf_hb)) / 2 / hb / hf

>>> laplacian(range(7), [0,0,0,4,8,8,8])
array([ 0.,  4.,  0., -4.,  0.])

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/18197008

复制

相似问题

问取python中不均匀采样数据的laplacian
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问取python中不均匀采样数据的laplacianEN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问取python中不均匀采样数据的laplacian
EN