python - segmentacion - Cómo obtener un filtro gaussiano ponderado

filtros para imagenes en python

Question

Tengo un conjunto de puntos ponderados x,y , como se muestra a continuación (el conjunto completo está aquí ):

# x y w
-0.038 2.0127 0.71
0.058 1.9557 1
0.067 2.0016 0.9
0.072 2.0316 0.83
...

Necesito encontrar una línea suavizada que ajuste estos puntos según la importancia asignada a cada uno, es decir: más peso significa que el punto de datos debería tener más relevancia.

Este es el código que tengo hasta ahora, que básicamente aplica un gaussian_filter1d a los datos (obtuve la idea de esta pregunta: algoritmo de suavizado de líneas en python? ):

import matplotlib.pyplot as plt
import numpy as np
from scipy.ndimage import gaussian_filter1d
# Read data from file.
data = np.loadtxt(''data_file'', unpack=True)
x, y, w = data[0], data[1], data[2]
# Return evenly spaced numbers over a specified interval.
t = np.linspace(0, 1, len(x))
t2 = np.linspace(0, 1, 100)
# One-dimensional linear interpolation.
x2 = np.interp(t2, t, x)
y2 = np.interp(t2, t, y)
# Obtain Gaussian filter with fixed sigma value.
sigma = 7
x3 = gaussian_filter1d(x2, sigma)
y3 = gaussian_filter1d(y2, sigma)
# Make plot.
cm = plt.cm.get_cmap(''RdYlBu'')
plt.scatter(x, y, marker="o", c=w, s=40, cmap=cm, lw=0.5, vmin=0, vmax=1)
plt.plot(x3, y3, "r", lw=2)
plt.show()

Este código produce el siguiente gráfico (los puntos más azules tienen un valor de peso mayor):

El problema es que este ajuste no considera los pesos asignados a cada punto . ¿Cómo puedo introducir esa información en el filtro gaussiano?

Answer 1

Tenga en cuenta que la siguiente idea no es una solución exacta, pero vale la pena intentarlo.

La idea es usar el parámetro de peso w para repetir los valores correspondientes en x e y . Entonces, si escala w por ejemplo dentro del rango [1,10] todos los valores correspondientes en x y así en y se duplicarán 10 veces para w igual a 10. Es decir, se crearán nuevas x , y . De esta forma, incorporamos el peso como frecuencia de valores en x e y , de hecho. Una vez hecho esto, alimentar a los nuevos con su algoritmo con suerte le dará los resultados deseados como se muestra en los ejemplos trabajados a continuación.

• Para la primera figura, el espectro azul a rojo corresponde a pesos inferiores a altos. Los números de título son el factor de duplicación como se describió anteriormente.
• Para la segunda figura, sus datos, no tocamos su formato de color.