图像处理:高斯和双边滤波

1 篇文章 0 订阅
1 篇文章 0 订阅

一 高斯函数:是通过周围周围的点按距离权重计算当前点的值。

sigma是方差

假设sigma=1.5(这里为什么假设一个sigma,而不是直接使用实际的sigma,因为计算出来的方差也包含了图像的细节,如果

直接用图像的方差来计算高斯模糊,强度过大)

高斯距离矩阵

按照最上面的公式计算出来的权重值,但是这些值的和不为0,因此需要归一化一下。

即:a(0,8) 累加的和假设是M,

则new_a[0] = 1/M*a[0];

然后中间这个像素点的值为:

result = a[0]*f(-1,-1) + ....a[8]*f(1,1);

二 双边滤波

双边滤波相对于高斯滤波,多了一个调整因子,即两个像素值的差值。Wr,详见下面公式:

总的公式:g(i,j) 表示(x,y周围的某一个点),该公式表示的意思是,(x,y周围的某个点(i,j)对(x,y最终调整结果的影响函数))

f(x,y)最终是周围点的带权求和

Ws为距离权重

Wr为像素值权重

sigma得很含义和高斯函数中的类似,以上就是两种不同的函数对图像进行模糊/去噪的计算过程,可以看出来双边滤波引入了Wr因子,也更合理,更能保持图像的细节。但是运算量相对就大很多。

 

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值