python numpy矩阵详解(基于Numpy.convolve使用Python实现滑动平均滤波的思路详解)
python numpy矩阵详解
基于Numpy.convolve使用Python实现滑动平均滤波的思路详解
1.滑动平均概念
滑动平均滤波法(又称递推平均滤波法),时把连续取N个采样值看成一个队列 ,队列的长度固定为N ,每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则) 把队列中的N个数据进行算术平均运算,就可获得新的滤波结果。N值的选取:流量,N=12;压力:N=4;液面,N=4~12;温度,N=1~4
优点: 对周期性干扰有良好的抑制作用,平滑度高 适用于高频振荡的系统
缺点: 灵敏度低 对偶然出现的脉冲性干扰的抑制作用较差 不易消除由于脉冲干扰所引起的采样值偏差 不适用于脉冲干扰比较严重的场合 比较浪费RAM
2.解决思路
可以发现滑动平均滤波法计算很类似与一维卷积的工作原理,滑动平均的N就对应一维卷积核大小(长度)。
步长会有些区别,滑动平均滤波法滑动步长为1,而一维卷积步长可以自定义。还有区别就是一维卷积的核参数是需要更新迭代的,而滑动平均滤波法核参数都是一。
我们应该怎么利用这个相似性呢?其实也很简单,只需要把一维卷积核大小(长度)和N相等,步长设置为1,核参数都初始为1就可以了。由于一维卷积具备速度快,然后我们就可以使用一维卷积来实现这个功能了,快速高效。
使用深度学习框架实现这个功能是否有些大材小用了?是有些大材小用了,因为这里使用卷积的核参数不用更新,其实没必要使用复杂的深度学习框架,如果Numpy中可以实现这些功能就更简单方便了。
说干就干,经过查找发现Numpy.convolve可以实现我们想要的功能。
3.Numpy.convolve介绍
numpy.convolve(a, v, mode=‘full')
参数:
a:(N,)输入的一维数组
v:(M,)输入的第二个一维数组
mode:{‘full', ‘valid', ‘same'}参数可选
‘full' 默认值,返回每一个卷积值,长度是N+M-1,在卷积的边缘处,信号不重叠,存在边际效应。
‘same' 返回的数组长度为max(M, N),边际效应依旧存在。
‘valid' 返回的数组长度为max(M,N)-min(M,N)+1,此时返回的是完全重叠的点。边缘的点无效。
和一维卷积参数类似,a就是被卷积数据,v是卷积核大小。
4.算法实现
|
def np_move_avg(a,n,mode = "same" ): return (np.convolve(a, np.ones((n,)) / n, mode = mode)) |
原理说明
运行平均值是卷积数学运算的一个例子。对于运行平均值,沿着输入滑动窗口并计算窗口内容的平均值。对于离散的1D信号,卷积是相同的,除了代替计算任意线性组合的平均值,即将每个元素乘以相应的系数并将结果相加。那些系数,一个用于窗口中的每个位置,有时称为卷积核。现在,N值的算术平均值是(x_1 + x_2 + ... + x_N) / N,所以相应的内核是(1/N, 1/N, ..., 1/N),这正是我们通过使用得到的np.ones((N,))/N。
边缘处理
该mode的参数np.convolve指定如何处理边缘。在这里选择了same模式,这样可以保证输出长度一种,但你可能还有其他优先事项。这是一个说明模式之间差异的图:
|
import numpy as np import matplotlib.pyplot as plt def np_move_avg(a,n,mode = "same" ): return (np.convolve(a, np.ones((n,)) / n, mode = mode)) modes = [ 'full' , 'same' , 'valid' ] for m in modes: plt.plot(np_move_avg(np.ones(( 200 ,)), 50 , mode = m)); plt.axis([ - 10 , 251 , - . 1 , 1.1 ]); plt.legend(modes, loc = 'lower center' ); plt.show() |
5.参考
1. https://stackoverflow.com/questions/13728392/moving-average-or-running-mean
总结
以上所述是小编给大家介绍的Python实现滑动平均滤波的思路详解(基于Numpy.convolve),希望对大家有所帮助,如果大家有任何疑问欢迎给我留言,小编会及时回复大家的!
原文链接:http://www.cnblogs.com/xiaosongshine/p/10874644.html
- python控制流实例(如何用C代码给Python写扩展库Cython)
- python搭建django框架(详解Python网络框架Django和Scrapy安装指南)
- python指定参数教程(详解Python传入参数的几种方法)
- python中tryexcept的用法(对python中的try、except、finally 执行顺序详解)
- python创建列表并查询(python列表使用实现名字管理系统)
- python利用空列表进行数字排序(python实现计数排序与桶排序实例代码)
- python编程ai人工智能(AI领域都在用Python即将被淘汰?网友预测未来的编程语言不会是TA)
- pythonpandas数据类型(详解Python数据分析--Pandas知识点)
- python企业微信录信息(python获取微信企业号打卡数据并生成windows计划任务)
- python高德地图可视化(利用python和百度地图API实现数据地图标注的方法)
- 零基础学计算机二级python(计算机二级python学习教程1 教大家如何学习python)
- python面向对象实例教程(Python面向对象程序设计类的多态用法详解)
- python mysql配置(详解python校验SQL脚本命名规则)
- python3字符串格式化怎么操作(python3实现字符串操作的实例代码)
- python表白代码演示(python3实现表白神器)
- python列表怎么赋值(详解Python列表赋值复制深拷贝及5种浅拷贝)
- 为什么现在年轻人越来越喜欢买衣服(为什么现在年轻人越来越喜欢买衣服穿)
- 怎么做好SEO(怎么做好seo内容优化)
- 冬季钓鱼子线用 长 还是 短(冬季钓鱼子线用)
- 鱼竿 夏钓短,冬钓长 ,一定是这样 认清优缺点在选竿(鱼竿夏钓短冬钓长)
- 鲢鳙钓底还是钓浮 流水的水域应怎样做钓(鲢鳙钓底还是钓浮)
- 入秋后的第二场苹果发布会来了 全新M1系列芯片登场(入秋后的第二场苹果发布会来了)
热门推荐
- htaccess伪静态配置(16个简单实用的.htaccess使用技巧)
- javascript检测内容改变了(JavaScript 检测文件的类型的方法)
- nginxlocation匹配参数(nginx location优先级的深入讲解)
- vue考试链接重置(Vue实现答题功能)
- linux怎样查qt版本(Linux QT Kit丢失及Version为空问题解决方案)
- vmware esxi搭建云桌面(VMware ESXI服务器虚拟化搭建集群)
- laravel模型使用技巧(提高Laravel应用性能方法详解)
- 最新版MySQL 8.0.22下载安装超详细教程(Windows 64位)(最新版MySQL 8.0.22下载安装超详细教程Windows 64位)
- rem怎么设置适配(详解如何使用rem或viewport进行移动端适配)
- css中三角标(使用css实现三角符号效果)
排行榜
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9