计算机视觉—DoG和LoG算子
brycezou@163.com
阅读本文,需要有一定的数字图像处理基础,否则不太容易明白数学公式想要传达的物理意义。希望通过仅此一篇文章就能让你理解图像处理中的高斯滤波(也叫高斯平滑、高斯模糊、高斯卷积)、DoG算子、LoG算子,以及它们之间的关系。下面先讲理论,再讲实际应用。在理论部分,一切语言都显得过于苍白,因此我只给出了最核心的、最简单的、最优美的公式,当然包括一些必要的推导过程。
理 论 篇
1、高斯函数
在图像处理中,常用的二维高斯函数为
G(x,y,σ)=12πσ2e−(x2+y2)/2σ2
2、DoG算子
DoG ( Difference of Gaussian )算子定义为
DoG=G(x,y,σ1)−G(x,y,σ2)
3、LoG算子
拉普拉斯算子为
∇2f=∂2f∂x2+∂2f∂y2
对二维高斯函数应用拉普拉斯算子得
∇2G=∂