计算机视觉——DoG和LoG算子

计算机视觉—DoG和LoG算子

brycezou@163.com


       阅读本文，需要有一定的数字图像处理基础，否则不太容易明白数学公式想要传达的物理意义。希望通过仅此一篇文章就能让你理解图像处理中的高斯滤波（也叫高斯平滑、高斯模糊、高斯卷积）、DoG算子、LoG算子，以及它们之间的关系。下面先讲理论，再讲实际应用。在理论部分，一切语言都显得过于苍白，因此我只给出了最核心的、最简单的、最优美的公式，当然包括一些必要的推导过程。

理 论 篇

1、高斯函数

       在图像处理中，常用的二维高斯函数为
$$G(x,y,\sigma)=\frac{1}{2\pi\sigma^2}e^{-(x^2+y^2)/2\sigma^2}$$

2、DoG算子

       $DoG$（ $Difference$ $of$ $Gaussian$ ）算子定义为
$$DoG=G(x,y,\sigma_1)−G(x,y,\sigma_2)$$

3、LoG算子

       拉普拉斯算子为
$$\nabla^2f=\frac{\partial^2f}{\partial{x^2}}+\frac{\partial^2f}{\partial{y^2}}$$
       对二维高斯函数应用拉普拉斯算子得

∇2G=∂