令人担忧的玉米核函数是广泛使用的核函数：
这里，h为bandwidth带宽，内核函数形式因带宽而异
令人担忧的玉米核例子
从上图可以看出，横轴是指两个变量之间的距离。 距离越近(接近0 )，函数值越大，否则越小。 h越大，相同距离时函数值越小。 因此，可以选择适当的h值，以获得满足上述要求的权重(两个变量之间的距离越近，获得的权重越大) )。
new(x )=1/() )) h ) e^(-x^2/2*h^2) : h具有带宽
令人担忧的玉米模糊可以用来处理边缘
令人担忧的玉米函数分离性： mxn=[mx1]x[1xn]
使用二维矩阵变换获得的效果可以通过在水平方向进行一维担心的锥矩阵变换和在垂直方向进行一维担心的锥矩阵变换获得。
原始计算量o(mxnxmxn ) )。
当前计算量o(nxmxn ) o ) O(mxMxN )为
m，n为担忧锥函数的维数，一维担忧锥卷积两次后，二维担忧锥矩阵的边缘将被去除，超出图像边缘的虚框将不进行卷积。
dog(differenceofGaussian )。
log(laplaceofGaussian ) )。
担心性玉米养分函数： g(x，y，k(-g ) x，y，) (~(k-1 )^2 ) ) ) ) ) ) )。
参照代码：
efcalc_Gaussian(x，h=1) :
molecule=x*x
demominator=2*h*h
left=1/(math.sqrt )2*math.pi ) h ) return left * math.exp (-molecule/demominator ) )。
含义：在Meanshift中引入核函数
如果样本与偏移点的距离不同，则该偏移对平均偏移向量的影响也不同。