Digital Image Processing-Day4

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

$$G(x)=\frac{1}{\sqrt{2\pi\sigma^2}}e^{-\frac{(x-m)^2}{2\sigma^2}}$$

(高斯公式-就是正态分布的公式)

其中$m$,$\sigma$为参数，我们去掉系数项，并且令$m=0$，

$$G(x)=e^{-\frac{x^2}{2\sigma^2}}$$

一阶求导后：

$$G'(x)=\frac{1}{\sigma^2}xe^{-\frac{x^2}{2\sigma^2}}$$

二阶求导后：

$$G''(x)=\frac{x^2-\sigma^2}{\sigma^4}e^{-\frac{x^2}{2\sigma^2}}$$

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：

$$G(x,y)=e^{-\frac{(x^2+y^2)}{2\sigma^2}}$$

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)