vorbin 3.1.3

内容

• Attribution
• Installation
• Documentation
• When some pixels have no signal
• Binning X-ray data
• Binning very big images
• License

Attribution

如果你使用这个软件进行研究，请引用 Cappellari & Copin (2003)。 纸张的bibtex条目是：

@ARTICLE{Cappellari2003,
    author = {{Cappellari}, M. and {Copin}, Y.},
    title = "{Adaptive spatial binning of integral-field spectroscopic
        data using Voronoi tessellations}",
    journal = {MNRAS},
    eprint = {astro-ph/0302262},
    year = 2003,
    volume = 342,
    pages = {345-354},
    doi = {10.1046/j.1365-8711.2003.06541.x}
}

Installation

安装时使用：

pip install vorbin

如果没有对全局site-packages目录的写入权限，请使用：

pip install --user vorbin

Documentation

过程voronoi_2d_binning_example.py提供了一个使用示例。

执行以下简单步骤，用最少的python交互来存储您自己的2d数据：

1. 在文本文件中写入数据向量[x，y，signal，noise] voronoi_2d_binning_example.txt，按照提供的示例；
2. 更改过程voronoi_2d_binning_example.py中的targetSN = 50.0行， 指定最终存储箱所需的目标序列号；
3. 运行程序voronoi_2d_binning_example并等待最终绘图出现。 输出保存在文本文件voronoi_2d_binning_output.txt中。这个 文件中最后一列bin num是all这是实际对数据进行bin所需的；
4. 阅读文件开头的文档voronoi_2d_binning.py到 完全理解各种可选输出参数的含义。

When some pixels have no signal

当某些像素包含明显的噪声时，不应盲目地使用binning。 但实际上没有信号。这种情况可能会发生，例如在提取气体时 观测星系光谱的运动学。一种使用voronoi_2d_binning的方法 包括首先选择s/n高于最小阈值的像素和 然后分别将每组连接的像素绑定到。或者可以 在装箱前对像素进行最佳加权。有关详细信息，请参见第第2.1页，共 Cappellari & Copin (2003)。

Binning X-ray data

对于x射线数据或来自光子计数装置的其他数据，噪声是 通常准确地说是泊松。在poissonian情况下，箱子中的序列号可以 不要通过添加像素来减少（请参见第2.1节 Cappellari & Copin 2003， 最好将数据装箱，而不首先移除观察到的像素。 没有信号。

Binning very big images

voronoi_2d_binning尺度下的计算时间接近npixels^1.5，因此 成为大图像的问题（例如，在编写npixels>；1000x1000时）。 假设我们真的需要将图像作为一个整体进行分类，并且 相当数量的像素远高于我们的目标序列号。 计算问题，一种从根本上减少计算时间的方法包括 以等级的方式进行。假设我们有一个4000x4000 像素图像，我们可以执行以下操作：

1. 定期（例如，以8x8像素为一组）将图像重新导入可管理的 大小为500x500像素；
2. 对500x500图像应用标准的voronoi 2d binning过程；
3. 转换所有未绑定的像素（已具有足够的序列号） 500x500 voronoi 2d将图像还原为原始个人 全分辨率像素；
4. 现在仅将voronoi 2d binning应用于 全分辨率像素；
5. 将低分辨率的存储箱集与高分辨率的存储箱集合并。

License

版权所有（c）2001-2018 Michele Cappellari

本软件按原样提供，不作任何保证。 允许用于非商业目的。 授予个人或内部使用的修改权限， 如果本版权和免责声明包含在 软件的副本。保留所有其他权利。 特别是t的再分配不允许使用密码。