计算机视觉基础~图像预处理(中)

5.1梯度Prewitt滤波/卷积 

水平梯度/垂直边缘

 垂直梯度/水平边缘

5.2梯度Sobel滤波/卷积 

梯度Sobel滤波/卷积 

垂直梯度/水平边缘

5.3梯度Laplacian滤波/卷积 

二阶微分算子   一阶导数极值

\large \Delta f=\frac{\partial^2 f}{\partial x^2}+\frac{\partial^2f }{\partial y^2}

作用:

团块检测:周边高于(低于)中心

边缘检测:像素值快速变化的区域

Laplacian滤波锐化:做差运算

其他滤波:


 如何让卷积更快:空域卷积=频域乘积 

6.图像金字塔

图像金字塔化:先进行图像平滑,再进行降采样,根据降采样率,得到一系列尺寸逐渐减小的图像。 

操作:操作:n次(高斯卷积->2倍降采样)->n层金字塔

目的:捕捉不同尺寸的物体
 

直接降采样会损失信息,所以在降采样之前要进行高斯滤波

高斯金字塔本质上是信号的多尺度表示法

拉普拉斯金字塔

高频细节信息在卷积和下采样中丢失 

保留所有层所丢失的高频信息,用于图像恢复

高斯金字塔和拉普拉斯金字塔往往配合使用

 

 

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 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

打赏作者

量子孤岛

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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