CV高斯滤波通俗理解

做机器视觉项目,图像的预处理目的主要有两个:

1. 增强检测特征的对比度; 2. 削弱无关信息的对比度。从而提高系统的整体性能。

而滤波器的作用对于图像预处理环节非常重要。

比如,在Halcon里面,提供了gen_gauss_filter和lines_gauss等包含高斯滤波的算子。从频谱的高低来划分一副图像,可以分为以下三个部分:

1. 高频部分(噪声), 2. 中频部分(纹理,瑕疵,线),3.低频部分(纯色背景)。

运用一个高斯滤波器可以获取图像的低频部分。通过两个高斯滤波器组合起来,可以获取中频部分。

参考Halcon文档对高斯滤波的定义:

提供了三点信息:

1. 在实际处理中,运用到的是一条标准正态分布的概率密度曲线。这就可以理解高斯卷积核中,中心点(原点)的权重最大;

2. 定义窗口大小后,Sigma也就定义好了;Halcon默认的Window Size ≈ 5 * Sigma。我们知道, 在正态分布曲线中,期望值左右2*Sigma的范围内,包含了大部分信息(95%)。左右各2*Sigma,加上原点,那么窗口的尺寸就是5*Sigma。

3. 高斯滤波器的作用是对图像进行平滑, 高斯卷积核就是一个低通滤波器。卷积窗越大,标准差(Sigma)越大, 截止频率越低,图像就越模糊。

在实际应用中,图像域做卷积=对频域做乘积,我们来看对图像域做卷积的卷积核:

 这是一个尺寸为3*3的卷积核,9的点的权重之和为1,每个点的权重系数是高斯函数得来。

对像素的灰度值进行加权平均,会降低图像对比度,让图像更模糊。

这样就不难理解,本质上高斯滤波是一个低通滤波器。

参考:

1. 高斯滤波_机器人自动化控制的博客-CSDN博客_labview高斯滤波

2. 高斯滤波核的大小与sigma(标准差)之间的关系_xuelangwin的博客-CSDN博客_高斯滤波核大小

3. halcon视觉缺陷检测系列(2)频域和空间域转换的方法详解_libaineu2004的博客-CSDN博客_频域和空间域的转换

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