Gauss滤波的快速实现方法

原创 2015年07月07日 15:10:20
二维高斯函数具有旋转对称性,处理后不会对哪一个方向上的边缘进行了过多的滤波,因此相对其他滤波器,具有无法比拟的优越性。但是传统Gauss滤波随着图像尺寸的增加,运算复杂度呈平方上涨,因此需要对其优化改进。下面,分别介绍传统型,分解型和递归迭代型三种实现方法。

  

1 传统型

  Gauss滤波首先需要构建一个Gauss滤波核,公式为:

Matlab实现代码:

dSigma =0.8;
fK1=1.0/(2*dSigma*dSigma);
fK2=fK1/pi;
iSize = 5;
step = floor(iSize/2 + 0.5);
for i = 1 : iSize
    x=i-step;
    fTemp=fK2*exp(-x*x*fK1);
    for j = 1 : iSize
        y=j-step;
        model(x+step,y+step)=fTemp*exp(-y*y*fK1);
    end
end
dSum = sum(sum(model));
model = model/dSum;						%Gauss核数值归一化

  

图1 Gauss滤波核(5*5大小)

  接下来就是将输入图像和滤波核进行卷积操作。其实质就是对原始图像进行加权求和,把这个“和”赋给中心像素。对于一个2048*2048的图像,需要进行104734756次乘法运算,和104734756次加法运算,运算复杂度是很高的。

2 分解型

  

  我们可以把一个二维Gauss核分解为两个一维高斯核,然后先对行做一次一维卷积,再对这个卷积结果做一次一维列卷积,得到的结果完全一模一样,而开销会小很多。

一维高斯核函数:

  Matlab代码实现:

dSigma =0.8;
fK1=1.0/(2*dSigma*dSigma);
fK2=fK1/pi;
iSize = 5;
step = floor(iSize/2 + 0.5);
for i = 1 : iSize
    x=i-step;
    fTemp=fK2*exp(-x*x*fK1);
    model(1,x+step) = fTemp;
end
dM = sum(model);
model = model / dM;

  

图2 一维高斯滤波核(1*5大小)

  一维卷积原理和二维卷积一样,只不过我们只需要将同一行或同一列上的数据,按位置一一加权求和,再把“和”赋给中心元素。

  对于一个2048*2048的图像,需要进行41918464次乘法运算,和41918464次加法运算。相比传统运算量,只是前者的1/2.4985。如果遇到频繁计算Gauss滤波的算法,后者明显比前者速度快很多。

3 递归迭代型

  第二种方法较第一种方法,虽然有了较大改善,但是任然复杂度较高。这里再介绍一种更快速的逼近Gauss滤波方法。

     具体步骤分为两步:首先对图像做一次前向滤波,其次,对图像再做一次后向滤波。

  Forward:

  Backward:

参考资料:Recursive implementation of the Gaussian filter。 Ian T. Young,1995

 

 

版权声明:本文为博主原创文章,未经博主允许不得转载。

相关文章推荐

OpenCV 带掩膜的Gauss平滑/滤波

OpenCV 提供完整而丰富的图像平滑滤波算进接口,但这些平滑都是对整幅图像或者整幅图像中的某个ROI区域进行的,而有些时候我们需要仅仅对某个掩膜区域内的亮度或者数据进行平滑或者滤波,下面给出了常用的...

外部中断的按键,软件滤波实现方法

外部中断的按键,软件滤波实现方法

高斯图像滤波原理及其编程离散化实现方法

本文主要根据作者的理解整理而来,有什么错误之处,请大家共同讨论指出。 1、图像滤波         在三维计算机视觉领域,通常对于二维图像的特征抽取是很关键的第一步,这主要包括抽取二维...

采用灰度分组统计方法实现图像中值滤波

中值滤波是图像处理中常用的一种噪声滤波方法。传统的图像中值滤波代码采用排序方法实现,处理速度主要取决于排序算法,但无论什么排序算法,总离不开大量的元素比较、交换或移动,而这些恰好是当前计算机处理的“弱...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:深度学习:神经网络中的前向传播和反向传播算法推导
举报原因:
原因补充:

(最多只允许输入30个字)