Image processing 使用PyMC的图像自适应Metropolis示例/教程
我正在寻找用于图像处理的step方法的示例或教程 到目前为止,我发现的唯一一个模糊的图像相关资源是天文学和相关的GitHub 这似乎没有提供PyMC示例代码 在这个模拟阵列上找到峰值怎么样Image processing 使用PyMC的图像自适应Metropolis示例/教程,image-processing,python-3.x,bayesian,pymc,Image Processing,Python 3.x,Bayesian,Pymc,我正在寻找用于图像处理的step方法的示例或教程 到目前为止,我发现的唯一一个模糊的图像相关资源是天文学和相关的GitHub 这似乎没有提供PyMC示例代码 在这个模拟阵列上找到峰值怎么样 import numpy as np from matplotlib import pyplot as plt sz = (12,18) data_input = np.random.normal( loc=5.0, size=sz ) data_input[7:10, 2:6] = np.random.n
import numpy as np
from matplotlib import pyplot as plt
sz = (12,18)
data_input = np.random.normal( loc=5.0, size=sz )
data_input[7:10, 2:6] = np.random.normal( loc=100.0, size=(3,4) )
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
im = ax.imshow( data_input )
ax.set_title("input")
据我所知,最接近的是这里:(参见 示例:卡格尔观察黑暗世界竞赛(续) 在这个线程中,您提出了一个特定的问题:关于在图像中查找数组。以下是对模型的第一次尝试: 在这种情况下,您似乎正在尝试用高斯噪声估计二维均匀分布。您必须将其转化为实际模型,但这将是一个想法: 下_x~离散形式(0,20) 上_x~离散形式(0,20) 下_y~离散形式(0,20) 上_y~离散形式(0,20) 高度~正常(100,1) 噪声~InvGamma(1,1) 平均数=零((20,20)) 意味着[[下_x:upper_x,下_y:upper_y]]=高度#这需要 决定论者 数据正常(mu=平均值,sd=噪声) 最好将上_x编码为偏移量,然后执行下_x:下_x+偏移量,否则您需要一种强制下_x<上_x的可能性