CS131 Lecture4笔记

Lecture 4:Pixels and Filters

（这只是我刚入门十分浅显的理解..请谨慎食用）

像素和过滤器

• Image as functions （图像作为函数）
• Linear Systems(filters) 线性系统（滤波器）
• Convolution and Correlation （卷积和相关）

1、Image as functions

一个image包含的像素的数值是离散的

• 一个image可以看做一个函数f，把映射到

f(x,y)给出在坐标(x,y)的强度。

f被定义在一个长方形上，有有限域。

1.1 Image as discreate functions

image一般都是数字的（离散的），被表示成值为整数的矩阵。

2、Linear systems（filters）

过滤：

从一个新的image过滤，这个新的image是组合原始像素值。

目标：

• 从image中提取有用的信息：features（edges,corners,blobs）
• 规范或提高image的属性：supre-resolution(图像超分辨),in-painting(绘画),de-nosing(去噪)

2.1 二维离散空间系统（filters）

2.1.1 例子1：移动平均滤波器

旧图生成新图步骤：

一个3*3的框框从旧图的左上角开始移动，每次计算框框内九个数字的平均值，填入新图对应的框框的中心位置。

总结：

把每个像素值用其邻居的平均值代替，实现了平滑。

2.1.2 例子2：图像分割

2.2平移不变性shift-invariance

现在考虑让系统 S{} 的输入信号发生一段平移，也就是说自变量从 xx 变为 x−x0x−x0 。如果系统输出信号发生的唯一变化是相同的平移，那么这个系统就具有平移不变性。

问题：移动平均滤波器是否具有平移不变性？有

2.3 线性系统

问：移动平均滤波器是否是线性系统？是

问：阈值函数是否是线性系统？不是

2.4线性移不变系统LSI

LSI完全由其脉冲响应决定。

首先筛选delta函数的属性，然后定位，最后离散卷积。

 

对于 LSI 系统，任意输入信号对应的输出信号，其实就是该输入信号和系统脉冲响应的卷积

3.卷积和相关

3.1离散卷积

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------

补充：以下不是课件内容

https://blog.csdn.net/quincuntial/article/details/46622765

卷积：

连续空间的卷积定义是f(x)与g(x)的卷积是f(t-x)g(x)在t从负无穷到正无穷的积分值.t-x要在f(x)定义域内,所以看上去很大的积分实际上还是在一定范围的。
实际的过程就是f(x)先做一个Y轴的反转,然后再沿X轴平移t就是f(t-x),然后再把g(x)拿来,两者乘积的值再积分.想象一下如果g(x)或者f(x)是个单位的阶越函数.那么就是f(t-x)与g(x)相交部分的面积.这就是卷积了.

在图像中卷积，就是图像就是图像f(x),模板是g(x),然后将模版g(x)在模版中移动,每到一个位置,就把f(x)与g(x)的定义域相交的元素进行乘积并且求和,得出新的图像一点,就是被卷积后的图像.模版又称为卷积核.卷积核做一个矩阵的形状。

在课件中的移动平均滤波器中，图像是f(x),模板g(x)是h[m − k, n −l]（3*3矩阵，每个元素都是1/9）。

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------

卷积效果图：

向右移动一个像素：

变模糊（用的box fiiter）：

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------

补充：

https://blog.csdn.net/baimafujinji/article/details/6471036

box filter

Box Filter对当前像素及其相邻的的像素点都一视同仁，统一进行平均处理，这样就可以滤去图像中的噪声。而在实践中，我们可以用基于模板的卷积操作来实现Box Filter，Box Filter的模板中所有系数都取相同的值。

为什么用了盒子滤波会看起来变模糊？

对每个像素取其周围值得平均，这样使像素之间值的差距变小，例如当所有像素值一样是就变成了一个纯色图片，所以这里在视觉上会变模糊。

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------

3.1.2 Sharpening Filter

突出了与平均值的差异

3.1.3 Image support and edge effect图像支持和边界效应

计算机只会卷积有限的支持信号，即image在某些矩形区域之外的n，m为零。

在边界的像素被处理的方式：

• 用0填充
• 边缘值复制
• 镜像扩展

Matlab conv2使用0填充

3.2（cross）correlation互相关

卷积与互相关的区别：相当于把filter翻转了。（当核对称是，卷积与互相关是相同的）

相关的计算步骤：
（1）移动相关核的中心元素，使它位于输入图像待处理像素的正上方
（2）将输入图像的像素值作为权重，乘以相关核
（3）将上面各步得到的结果相加做为输出
卷积的计算步骤：
（1）卷积核绕自己的核心元素顺时针旋转180度
（2）移动卷积核的中心元素，使它位于输入图像待处理像素的正上方
（3）在旋转后的卷积核中，将输入图像的像素值作为权重相乘
（4）第三步各结果的和做为该输入像素对应的输出像素

互相关效果：

 3.3卷积vs互相关

卷积是一种过滤操作,卷积是一个积分表示一个函数在另一个函数上移位时的重叠量。

相关性是两个信号相关性的度量。相关性比较两组数据的相似性。相关性计算两个输入信号的相似性的度量，因为它们是由彼此移位。相关结果在当这两个信号相匹配的最佳的时间达到最大。

性质