Python 为什么scipy中的高斯滤波器的阶数给出x和y导数？

我使用了一个高斯滤波器和Scipy，我在网上看到了这段代码，我很好奇

imx = zeros(im.shape)
filters.gaussian_filter(im, (sigma,sigma), (0,1), imx)
imy = zeros(im.shape)
filters.gaussian_filter(im, (sigma,sigma), (1,0), imy)

对于第一个高斯滤波器调用，阶数为（0,1），根据，这将给出高斯在y方向的一阶导数。然而，在运行代码时，我可以看到高斯分布是沿着X方向的

同样的道理也适用于imy。为什么代码是这样工作的

作为参考，运行：

filters.gaussian_filter(im, (sigma, sigma), (0, 1), output= imx)

在此阵列上：

[[0 3 2]
[1 4 1]
[3 4 2]]

返回：

[[0.00071801 0.00148952 0.00077151]
 [0.0006947  0.00144284 0.00074815]
 [0.00067141 0.00139622 0.00072482]]

---

它在x方向是高斯分布，尽管（0，1）的阶数表明它应该在y方向。我想我可能遗漏了什么。

SciPy使用数组，而不是图像。数组没有x坐标和y坐标，它们有索引。因此，SciPy的行为是：

顺序：整数或整数序列，可选
滤波器沿每个轴的顺序以整数序列或单个数字的形式给出。0阶对应于高斯核的卷积。正阶对应于与高斯函数导数的卷积

因此，

[0,1]

是第二个指数变化方向上的导数，

[0,0,0,1,0]

是第四个指数变化方向上的导数

以图形方式表示二维数组时，通常将第一个索引解释为“行编号”，将第二个索引解释为“列编号”。这使得第一个索引对应于垂直向下方向，第二个索引对应于水平方向（从左到右，除非我们在RTL环境中）

---

所以，

（0，1）

是水平的，

（1，0）

是垂直的。该页面的作者可能犯了一个术语错误。此外，没有法律禁止调用横轴

y

和纵轴

x

，因此他们可能已经这样做了

你确定你和那篇文章的作者一样“命名”轴吗？数组的第一个维度是

y

，第二个维度是

x

（例如

imx[y][x]

）。对不起，我想我不明白你的意思。在那里我看到了密码。我知道数组的维度是imx[列（y）][行（x）]。这同样适用于高斯滤波器类的“顺序”参数吗？（0，1）在这个意义上是指（列，行）吗？我回顾了它，让我问你，x或y的方向是什么，你会期望

[[1,1,1]，[2,2]，[3,3]]

的高斯分布为非零吗？（仅从矩阵中，不运行代码）我希望它在y方向上是非零的。图形图像显示可能会转置图像吗？也许他们认为行索引是x？