最开始在学习数字图像处理的时候,遇到类如高斯平滑的问题,即使知道它是在频域上进行滤波,但还是习惯于从时域的角度思考问题。当现在因为考研而学习信号与系统时,我不禁重新审视起高斯函数为何能做到图像平滑这一问题。
在奥本海姆的信号与系统第四章连续时间傅里叶变换的卷积性质一节,我们知道了下面这个定理:
h ( t ) ∗ x ( t ) = H ( j ω ) X ( j ω ) \color{red} h(t)*x(t)=H(j\omega)X(j\omega) h(t)∗x(t)=H(jω)X(jω)
即时域上两个信号卷积等于这两个信号在频域上相乘(矩阵点乘)。
那么我们先将高斯核函数做傅里叶变换(这个过程稍长,不好打公式,所以手写,字不好见谅 (๑→ܫ←) )
在这里可以看出来高斯函数傅里叶转换完之后还是高斯函数,只不过幅度与方差与之前不同。
所以当高斯核在与图像进行卷积时,实际上是在频域上对图像做一个加权平均,其权值取决于周围像素点的位置,而平均的结果自然是几乎不会有像素值过于“突兀”的点——图像的边缘和高频噪声都被弱化。
最后附注一下下面这个式子的求解,笔者对高斯函数进行傅里叶变换时在这卡了很长时间,最后才想到概率论老师好像讲过这个问题。
∫ − ∞ + ∞ e − x 2 d x \color{red} \int_ {-\infty}^ {+\infty} {e^{-x^2}dx} ∫−∞+∞e−x2dx