This blog and the following blogs revolve around the topic about Digital Image Processing.
All the contents are from Hamed Sari-Sarraf.
这门课是学校开的一门关于图像处理的学习课程,课程内容较为宽大,本人根据学习内容归纳总结,可能有不对或不详之处,望指正。
Contact me: [email protected] , if necessary.
Day4
- 1.2-D Gaussian Function
- 2.Using Gaussian Function to filter images
- 3.Scale Invariant
- 4.Object Orientation
- 5.Application
- Appendix
今天讲的内容还是很多de ~加油!
1. 2-D Gaussian Function
在讲二维Gaussian Function函数之前,让我们也回顾一下一维的。这些内容都挺重要的。
对了,还请一定复习一下之前的内容,因为知识点相关联。
1-D Gaussian function
G(x)=12πσ2‾‾‾‾‾√e−(x−m)22σ2 G ( x ) = 1 2 π σ 2 e − ( x − m ) 2 2 σ 2
(高斯公式-就是正态分布的公式)
其中 m m ,
为参数,我们去掉系数项,并且令 m=0 m = 0 ,
G(x)=e−x22σ2 G ( x ) = e − x 2 2 σ 2
一阶求导后:
G′(x)=1σ2xe−x22σ2 G ′ ( x ) = 1 σ 2 x e − x 2 2 σ 2
二阶求导后:
G″(x)=x2−σ2σ4e−x22σ2 G ″ ( x ) = x 2 − σ 2 σ 4 e − x 2 2 σ 2
2-D Gaussian function
现在让我们来学习一下二维Gaussian Function函数。
删繁就简,这里略去一切相关系数等知识,得到类似于1-D Gaussian function的2-D Gaussian function:
G(x,y)=e−(x2+y2)2σ2 G ( x , y ) = e − ( x 2 + y 2 ) 2 σ 2
其一阶微分这里不再给出,主要讨论其对二阶LOG微分:
∇2G(x,y)=∂2G(x,y)