Я пытаюсь подогнать двухмерную гауссиану к изображение.Шум очень низкий, поэтому я попытался повернуть изображение так, чтобы две основные оси не менялись, вычислить максимум и просто вычислить стандартное отклонение в обоих измерениях. Излюбленное оружие - питон.
Однако я застрял на поиске собственных векторов изображения - numpy.linalg.py
предполагает дискретные точки данных. Я подумал о том, чтобы взять это изображение за распределение вероятностей, сделать выборку из нескольких тысяч точек и затем вычислить собственные векторы из этого распределения, но я уверен, что должен быть способ найти собственные векторы (т.е. второстепенные оси гауссовского эллипса) прямо из этого изображения. Есть идеи?
Большое спасибо :)