![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像处理
文章平均质量分 52
chushan89
哈工大威海
展开
-
图像处理中的卷积---2.高斯卷积
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 yourselfWx = floor(3*sigma原创 2015-11-26 16:36:27 · 11769 阅读 · 2 评论 -
图像处理中的卷积---1.卷积
首先,从数学角度来看,卷积的定义是:函数f(x)与g(x)的卷积写作f*g,定义为两个函数(在f(x)做翻转和平移变换后)乘积的积分,数学形式如下:[1]如果我们将积分离散化考虑,得到公式[ 2][2]若我们将函数g(x)定义为一个区间函数[3], 那么f(x)与g(x)的卷积就变成了,计算f(x)以x为中心,在[x-k,x+k]区间内的均值。[3]当然原创 2015-11-25 16:54:30 · 8470 阅读 · 0 评论 -
图像处理中的卷积---3.高斯卷积计算梯度
首先,介绍一下梯度的概念:梯度是一个由函数沿各分项导数组成的向量,式[1], [1]然后,我们来看一下导数的计算,在离散空间中,我们一般会用f(k) - f(k-1)/(k- (k-1) )来计算导数。现在我们介绍另外一种基于卷积特性的导数计算方法,由于卷积具有以下性质,[2][2]因而,在图像处理中,一般对gaussian kernel计算导数,得到gd ker原创 2015-11-29 23:30:02 · 9391 阅读 · 0 评论