去除高斯噪聲用什麼濾波
今日核心觀點-量化實戰效果打擂臺
首先，要非常非常感謝陶博士，可以說他是國內RPS量化思維的架構師，是我非常敬佩的一位老師。最近在陶博士的帶領下，全網掀起了研究口袋支點的熱潮，在我看來，這是一件非常好的事情，百花爭鳴，百舸爭流，共同推動口袋支點量化的進步。
在我看來，不管是口袋支點、杯柄、BLT等，都是研究圖形，甚至可以說是研究曲線。要把曲線研究好，我一直認為光在通訊達上編寫公式，然後簡單加減乘除一下，這種是很低端的。我曾經做個一個分類，在通達信上編編公式，由於函式、API等限制，在很多方面無法靈活實現一些思路。
我舉一個很簡單的例子來說明下，我隨便畫一個圖，畫一個曲線。
目前，我看到網路上研究口袋支點的，很多都是在通達信上編公式，會有很大的侷限性，我們就舉2個研究口袋支點最常用的例子。
1）如何找拐點
看到大家的做法，基本上就是簡單的，取多少天內的最高點，或者最低點，這種做法有很大的問題，比如，這個時間的取定，多少合適，到底是100天，150天，還是200天。就以上圖為例，你想去一個階段的拐點，如果你以100內的最高點，就當成是拐點的話，很有可能你這個100天內的最高點只是一個半山腰，正在的拐點可能不在100天內，而在120天內。大家能明白我的意思吧。
我認為，科學的做法，應該是對這條曲線，進行降噪、平滑處理後，
利用微積分求導，找到拐點和奇點。不管你這個拐點和奇點出現在多少日內，都會被一網打盡。
2）如何消除噪聲
還是以我上面圖中畫的那樣，由於我們股票是有隨機性的，所以會出現很多毛刺，專業點說就是噪聲，如何消除這些噪聲，對影象處理是非常重要的一個環節。
如果你研究口袋支點的時候，正好啟動點，就在噪聲上，那怎麼辦？如何消除
。
影象去噪是數字影象處理中的重要環節和步驟。去噪效果的好壞直接影響到後續的影象處理工作如影象分割、邊緣檢測等。一般數字影象系統中的常見噪聲主要有：高斯噪聲、椒鹽噪聲等。我們濾波方法一般有均值濾波、中值濾波和小波濾波。透過這些演算法來消除噪聲。
也就是說，我們股票市場由於隨機性，會在K線圖上產生大量的噪聲，週期越短，噪聲越大。
對於有志於進行數字影象處理研究的朋友們，我推薦一本書給大家，裡面有很多演算法。
週末這2天，我們集中力量，對口袋支點進行了重大升級，同時我們對出現的口袋支點，進行了板塊分類，大家可以發現，這種根據股票來匹配板塊的方式，通達信也同樣做不到的。
我計劃公示一週時間，有好的建議和意見，都歡迎理性交流
，共同進步，共同提高。
02
市場環境和溫度
以後，我把這個作為一個固定欄目，放在我的每天的文章裡。
