自相关性
求取滑动窗口内的自相似性，用自相关函数表示：
c ( x , y ; Δ x , Δ y ) = ∑ w ( x , y ) ( I ( x , y ) − I ( x + Δ x , y + Δ y ) ) 2 c(x, y ; \Delta x, \Delta y)=\sum w(x, y)(I(x, y)-I(x+\Delta x, y+\Delta y))^{2} c(x,y;Δx,Δy)=∑w(x,y)(I(x,y)−I(x+Δx,y+Δy))2
其中 I I I表示像素亮度（或颜色）， w w w表示权重，可以是高斯滤波的kernel或均值滤波的kernel。
泰勒展开
对上式中偏移部分做泰勒展开并带回上式：
I ( x + Δ x , y + Δ y ) = I ( x , y ) + I x Δ x + I y Δ y + O ( Δ x 2 , Δ y 2 ) ≈ I ( x , y ) + I x Δ x + I y Δ y I(x+\Delta x, y+\Delta y)=I(x, y)+I_{x}\Delta x+I_{y} \Delta y+O\left(\Delta x^{2}, \Delta y^{2}\right) \approx I(x, y) +I_{x} \Delta x+I_{y} \Delta y I(x+Δx,y+Δy)=I(x,y)+IxΔx+IyΔy+O(Δx2,Δy2)≈I(x,y)+IxΔx+IyΔy
c ( x , y ; Δ x , Δ y ) ≈ ∑ w ( I x ( x , y ) Δ x + I y ( x , y ) Δ y ) 2 = [ Δ x , Δ y ] M ( x , y ) [ Δ x Δ y ] c(x, y ; \Delta x, \Delta y) \approx \sum_{w}\left(I_{x}(x, y) \Delta x+I_{y}(x, y) \Delta y\right)^{2}=[\Delta x, \Delta y] M(x, y)\left[\begin{array}{l} {\Delta x} \\ {\Delta y} \end{array}\right] c(x,y;Δx,Δy)≈w∑(Ix(x,y)Δx+Iy(x,y)Δy)2=[Δx,Δy]M(x,y)[ΔxΔy]
其中
M ( x , y ) = ∑ u [ I x 2 I x I y I x I y I y 2 ] = [ ∑ w I x 2 ∑ w I x I y ∑ w I x I y ∑ w I y 2 ] = [ A C C B ] M(x, y)=\sum_{u}\left[\begin{array}{cc} {I_{x}^{2}} & {I_{x} I_{y}} \\ {I_{x} I_{y}} & {I_{y}^{2}} \end{array}\right]=\left[\begin{array}{cc} {\sum_{w} I_{x}^{2}} & {\sum_{w} I_{x} I_{y}} \\ {\sum_{w} I_{x} I_{y}} & {\sum_{w} I_{y}^{2}} \end{array}\right]=\left[\begin{array}{cc} {A} & {C} \\ {C} & {B} \end{array}\right] M(x,y)
最低0.47元/天 解锁文章
4845
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
