Python中Gaussian filter应用：3D数组切片密度场平滑问题

核心结论 #

• 必须先平滑原始密度场数据，再重新绘制轮廓图。直接对已绘制的轮廓图做平滑是不可行的——轮廓图是可视化的图形结果，不是数值数据，无法进行有效的高斯滤波处理。

完整实现代码 #

假设你的3D密度数组名为density_3d，直接用以下代码即可完成平滑与绘图：

import numpy as np
import matplotlib.pyplot as plt
from scipy.ndimage import gaussian_filter

# 提取中心切片（第三维索引为64）
density_slice = density_3d[:, :, 64]

# 应用高斯滤波：sigma控制平滑强度，值越大越平滑，可按需调整
smoothed_data = gaussian_filter(density_slice, sigma=2)

# 对比绘制原始与平滑后的轮廓图
plt.figure(figsize=(12, 5))

# 原始轮廓图
plt.subplot(1, 2, 1)
orig_contour = plt.contour(density_slice)
plt.clabel(orig_contour, inline=True, fontsize=8)
plt.title('原始密度场')
plt.xlabel('X')
plt.ylabel('Y')

# 平滑后轮廓图
plt.subplot(1, 2, 2)
smoothed_contour = plt.contour(smoothed_data)
plt.clabel(smoothed_contour, inline=True, fontsize=8)
plt.title('高斯平滑后密度场')
plt.xlabel('X')
plt.ylabel('Y')

plt.tight_layout()
plt.show()

关键说明 #

• sigma参数是高斯核的标准差，建议从1到5之间尝试，找到适配你数据的平滑程度。
• 如果你的3D数组是其他数据结构（如xarray），只需调整切片提取的代码，高斯滤波的逻辑完全通用。

内容的提问来源于stack exchange，提问作者Manos Bougioukoglou