Gauss bulanıklığı , görüntüleri düzgün bir şekilde bulanıklaştırmak için kullanılan bir yöntemdir. Bir görüntünün pikselleriyle birleştirilerek kullanılacak bir matris oluşturmayı içerir. Bu meydan okumada, göreviniz Gauss bulanıklığında kullanılan matrisi oluşturmaktır. Bulanıklaştırma yarıçapı olacak bir r girişi ve boyutları (2 r + 1 × 2 r + 1) olan bir matris oluşturmak için standart sapma olacak bir σ girişi alacaksınız . Bu matristeki her değer , merkezden her yöne olan mutlak mesafesine bağlı olan bir ( x , y ) değerine sahip olacak ve formülün bulunduğu yerde G ( x , y ) hesaplamak için kullanılacaktır.G, bir
Örneğin, r = 2 ise, 5 x 5 matris oluşturmak istiyoruz. İlk olarak, ( x , y ) değerlerinin matrisi
(2, 2) (1, 2) (0, 2) (1, 2) (2, 2)
(2, 1) (1, 1) (0, 1) (1, 1) (2, 1)
(2, 0) (1, 0) (0, 0) (1, 0) (2, 0)
(2, 1) (1, 1) (0, 1) (1, 1) (2, 1)
(2, 2) (1, 2) (0, 2) (1, 2) (2, 2)
Sonra σ = 1.5 olsun ve her birine G uygulayın ( x , y )
0.0119552 0.0232856 0.0290802 0.0232856 0.0119552
0.0232856 0.0453542 0.0566406 0.0453542 0.0232856
0.0290802 0.0566406 0.0707355 0.0566406 0.0290802
0.0232856 0.0453542 0.0566406 0.0453542 0.0232856
0.0119552 0.0232856 0.0290802 0.0232856 0.0119552
Normalde görüntü bulanıklığında, bu matris, o matristeki tüm değerlerin toplamı alınarak ve buna bölünerek normalleştirilir. Bu zorluk için, bu gerekli değildir ve formül tarafından hesaplanan ham değerler çıktının ne olması gerektiğidir.
kurallar
- Bu kod golf yani kısa kod kazanır.
- R girişi negatif olmayan bir tamsayı olacak ve σ pozitif bir gerçek sayı olacaktır.
- Çıktı bir matrisi temsil etmelidir. 2d dizisi, 2d dizisini temsil eden bir dize veya benzer bir şey olarak biçimlendirilebilir.
- Kayan nokta yanlışlıkları size karşı sayılmaz.
Test Durumları
(r, σ) = (0, 0.25)
2.54648
(1, 7)
0.00318244 0.00321509 0.00318244
0.00321509 0.00324806 0.00321509
0.00318244 0.00321509 0.00318244
(3, 2.5)
0.00603332 0.00900065 0.0114421 0.012395 0.0114421 0.00900065 0.00603332
0.00900065 0.0134274 0.0170696 0.0184912 0.0170696 0.0134274 0.00900065
0.0114421 0.0170696 0.0216997 0.023507 0.0216997 0.0170696 0.0114421
0.012395 0.0184912 0.023507 0.0254648 0.023507 0.0184912 0.012395
0.0114421 0.0170696 0.0216997 0.023507 0.0216997 0.0170696 0.0114421
0.00900065 0.0134274 0.0170696 0.0184912 0.0170696 0.0134274 0.00900065
0.00603332 0.00900065 0.0114421 0.012395 0.0114421 0.00900065 0.00603332
(4, 3.33)
0.00339074 0.00464913 0.00582484 0.00666854 0.00697611 0.00666854 0.00582484 0.00464913 0.00339074
0.00464913 0.00637454 0.00798657 0.0091434 0.00956511 0.0091434 0.00798657 0.00637454 0.00464913
0.00582484 0.00798657 0.0100063 0.0114556 0.011984 0.0114556 0.0100063 0.00798657 0.00582484
0.00666854 0.0091434 0.0114556 0.013115 0.0137198 0.013115 0.0114556 0.0091434 0.00666854
0.00697611 0.00956511 0.011984 0.0137198 0.0143526 0.0137198 0.011984 0.00956511 0.00697611
0.00666854 0.0091434 0.0114556 0.013115 0.0137198 0.013115 0.0114556 0.0091434 0.00666854
0.00582484 0.00798657 0.0100063 0.0114556 0.011984 0.0114556 0.0100063 0.00798657 0.00582484
0.00464913 0.00637454 0.00798657 0.0091434 0.00956511 0.0091434 0.00798657 0.00637454 0.00464913
0.00339074 0.00464913 0.00582484 0.00666854 0.00697611 0.00666854 0.00582484 0.00464913 0.00339074