OpenCV——图像平滑

最新推荐文章于 2024-04-04 22:29:12 发布

VIP文章敲键盘的钢琴师

最新推荐文章于 2024-04-04 22:29:12 发布

阅读量6.2k

点赞数 3

分类专栏： OpenCV 文章标签：图像处理 OpenCV

本文链接：https://blog.csdn.net/hushaoqiqimingxing/article/details/92086656

版权

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。

$\boldsymbol{I}=\left(\begin{array}{ll}{1} & {2} \\ {3} & {4}\end{array}\right)$ ， $\boldsymbol{K}=\left(\begin{array}{cc}{-1} & {-2} \\ {2} & {1}\end{array}\right)$

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 °：

$\boldsymbol{K}_{\text { flip }}=\left(\begin{array}{cc}{1} & {2} \\ {-2} & {-1}\end{array}\right)$

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

$\left(\begin{array}{rrr}{-1} & {-4} & {-4} \\ {-1} & {-5} & {-6} \\ {6} & {11} & {4}\end{array}\right)$ ，

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

$I_{p}(r, c)=\left\{\begin{array}{ll}{I(r, c),} & {0 \leqslant r<H_{1}, 0 \leqslant c<W_{1}} \\ {0,} & {\text { else }}\end{array}\right.$ ， $K_{p}(r, c)=\left\{\begin{array}{ll}{K(r, c),} & {0 \leqslant r<H_{2}, 0 \leqslant c<W_{2}} \\ {0,} & {\text { else }}\end{array}\right.$

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）。<

最低0.47元/天解锁文章

敲键盘的钢琴师

关注

3
点赞
踩
11

收藏

觉得还不错? 一键收藏
0
评论
OpenCV——图像平滑

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...
复制链接

扫一扫