每一幅图像都包含某种程度的噪声,噪声可以理解为由一种或者多种原因造成的灰度值的随机变化,如由光子通量的随机性造成的噪声等,在大多数情况下,通过平滑技 术(也常称为滤波技术)进行抑制或者去除,其中具备保持边缘(Edge Preserving)作 用的平滑技术得到了更多的关注。
常用的平滑处理算法包括基于二维离散卷积的高斯平滑、均值平滑;
基于统计学方法的中值平滑;
具备保持边缘作用的平滑算法的双边滤波、导向滤波等;
5.1 二维离散卷积
在介绍基于二维离散卷积的平滑算法之前,有必要详细介绍一下二维离散卷积的定义及其性质。
,
那么I 与K 的二维离散卷积的计算步骤如下
第一步:将K 逆时针翻转180 °:
第二步:K f lip沿着I 按照先行后列的顺序移动,每移动到一个固定位置,对应位置就相乘,然后求和。为了方便演示整个过程,将矩阵I 和K f lip的数值依次放入栅格中, 过程如下:
在移动过程中,将对应位置积的和依次存入矩阵Cfull中,即
,
该矩阵就是I 和K“full卷积”的结果,用符号★表示,记Cfull=I★K,其中K 通常称为卷积核,或者卷积掩码,或者卷积算子。
1、计算full 卷积的矩阵形式
第一步:在I和K的右侧与下侧填充零,将其尺寸扩展到H×W,其中H=H1+H2 -1,W=W1+W2 -1,扩展后的新矩阵记为I p和K p,即
,
利用矩阵的形式计算上面提到的示例,因为I 和K 的尺寸均是2×2,所以full卷积的尺
寸为(2+2-1)×(2+2-1)=(3,3&#