计算机视觉——DoG和LoG算子

本文介绍了计算机视觉中的DoG(Difference of Gaussians)和LoG(Laplacian of Gaussian)算子。理论篇详细讲解了高斯函数、DoG与LoG算子,以及两者之间的关系。应用篇探讨了高斯卷积模板的计算,包括整数模板的使用,快速计算高斯卷积的方法,并展示了DoG算子的实际应用和公式推导。
摘要由CSDN通过智能技术生成


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=2fx2+2fy2

       对二维高斯函数应用拉普拉斯算子得
2G=
高斯金字塔、LOGDOG都是基于高斯滤波的图像处理算法。 高斯金字塔的设计思路是:将原始图像不断进行降采样处理,得到一系列不同分辨率的图像,每一层图像都是通过对前一层图像进行高斯平滑滤波后进行下采样得到的。高斯金字塔的设计思路很简单,但是它的应用非常广泛,可以用于图像分割、目标检测等方面。 LOG的设计思路是:先对图像进行高斯平滑滤波,然后计算滤波后图像的拉普拉斯算子。因为高斯函数是唯一的可微分函数,所以LOG算法可以提取图像中的边缘和角点等特征。但是,LOG算法计算量大,不适用于实时处理。 DOG的设计思路是:通过对图像进行两次高斯平滑滤波,得到两幅不同尺度的图像,然后将它们相减得到一幅新的图像。这幅图像可以有效地提取出图像中的边缘和角点等特征。同时,DOG算法计算量小,适用于实时处理。 三者实现算法的差别在于: 1. 高斯金字塔和DOG都是基于高斯滤波的,而LOG算法是基于拉普拉斯算子的。 2. 高斯金字塔和DOG都是通过不断降采样得到不同分辨率的图像,而LOG算法则是直接对原始图像进行处理。 3. 高斯金字塔和DOG算法都适用于实时处理,而LOG算法计算量大,不适用于实时处理。 4. 高斯金字塔可以用于图像分割、目标检测等方面,而DOG算法更适合于提取图像中的边缘和角点等特征。而LOG算法则可以同时提取图像中的边缘和角点等特征。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值