图像处理中的卷积---2.高斯卷积

最新推荐文章于 2024-08-10 20:02:03 发布

chushan89

最新推荐文章于 2024-08-10 20:02:03 发布

阅读量1.1w

点赞数 2

分类专栏：图像处理

本文链接：https://blog.csdn.net/chushan89/article/details/50057845

版权

图像处理专栏收录该内容

3 篇文章 0 订阅

订阅专栏

经过上面一篇博文，介绍了卷积的意义。

那么图像处理中的卷积可以理解为（2D/3D）的函数卷积，也就是在某个移动窗口内的加权（权值由kernel给定）求和。

下面我们给出gaussian kernel做卷积的例子，另附MATLAB实现方法。

sigma = 3;

% you can set the sigma yourself
Wx = floor(3*sigma);
% Wx 的确定是根据gaussian函数的分布集中在【Mu-3Sigma, Mu+3sigma]内
x = -Wx:Wx;
g = exp(-(x.^2)/(2*sigma^2));

kernel = conv2( g, g');

I =  imread( 'cameraman.gif' );
I = double( I );

Ig = conv2(I, kernel);  %Use kernel to convolution with Input image

figure(1); 
subplot(1,3,1); imagesc(I); axis image; colormap(gray);       title('Input Image');
subplot(1,3,2); imagesc(kernel); axis image; colormap(gray);  title('Gaussian kernel');
subplot(1,3,3); imagesc(Ig); axis image; colormap(gray);      title('Output Image');