1

Gaussian Smoothing

Unsolved
Computer Vision

Difficulty: 3 | Problem written by mesakarghm
Problem reported in interviews at

Apple
Facebook
Netflix

The Gaussian smoothing operator is a 2D convolution operator that is used to 'blur' images.

In 2D, an isotropic Gaussian has the form: 

\(G(x,y) = {1 \over 2 \pi \sigma ^ 2}{e^{- (x^2 + y^ 2)\over 2 \sigma ^ 2}}\)

For a given value of kernel length (int) and sigma (int), calculate and return the Gaussian kernel matrix (2D NumPy array).

Sample Input:
<class 'list'>
l: 5
sig: 3

Expected Output:
<class 'numpy.ndarray'>
[[0.0317564 0.03751576 0.03965895 0.03751576 0.0317564 ] [0.03751576 0.04431963 0.04685151 0.04431963 0.03751576] [0.03965895 0.04685151 0.04952803 0.04685151 0.03965895] [0.03751576 0.04431963 0.04685151 0.04431963 0.03751576] [0.0317564 0.03751576 0.03965895 0.03751576 0.0317564 ]]

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Assumenda labore minima nulla unde nisi, excepturi ab tenetur alias. Accusantium autem molestias perferendis labore ducimus velit error delectus provident dolorum, culpa consequuntur velit facilis ex facere, voluptas obcaecati porro amet consectetur eligendi libero accusantium, ipsam omnis obcaecati atque. Quisquam ratione quasi eos illum, et exercitationem rerum veritatis minus vero, optio tempora saepe non itaque alias dolor dolores est hic nulla? Maiores quod sunt saepe doloribus fuga velit, excepturi impedit necessitatibus explicabo labore rem amet ipsam ipsum.

Illo expedita magnam accusamus fugit obcaecati saepe maiores fuga tenetur quos placeat, ab possimus vitae veniam, omnis minus nulla.

Dolorem suscipit in repudiandae voluptatem iure sed ullam distinctio, sequi qui recusandae, aperiam excepturi asperiores culpa odio dicta ducimus alias, eligendi provident repellendus totam commodi animi, quibusdam dolorem ipsa facere? Quibusdam quasi non ratione culpa rem eius voluptate est commodi, non maxime asperiores enim totam distinctio consequuntur, rem deserunt maxime officiis earum est tempora, illum qui assumenda officiis earum soluta nihil magnam libero doloremque quas? Atque saepe voluptatum iure quis quas distinctio temporibus molestiae inventore tenetur, reiciendis deserunt nesciunt praesentium iusto sit amet optio quas, cupiditate esse illum numquam?

This is a premium feature.
To access this and other such features, click on upgrade below.

Ready.

Input Test Case

Please enter only one test case at a time
numpy has been already imported as np (import numpy as np)