OpenCV2马拉松第5圈——线性滤波

收入囊中

这里的很多内容其实在我的Computer Vision: Algorithms and ApplicationsのImage processing中都有讲过

• 相关和卷积工作原理
• 边界处理
• 滤波器的工作原理
• 会使用均值滤波，高斯滤波
• 使用自己创造的核函数进行双线性滤波
• 可分离的滤波（加速）

葵花宝典

相关：  g = f ⊗ h

卷积：  g = f ∗ h 

暂时不考虑边缘，所以8*8的图形进行相关或卷积操作后就得到6*6的图形

因为我们的h(有时叫做核函数)是中心对称的，所以相关和卷积得到的结果是一样的

那不一样呢？看下面的例子，用个一维的例子，{x,y}是核函数，{a,b,c,d,e}是数据

这里构造核   与数据列表的卷积.

In[1]:=

Out[1]=

这里构造相关.

In[2]:=