Hessian matrix 的理解计算和实现（matlab）

最新推荐文章于 2025-02-01 09:53:35 发布

Dr.视觉小新

最新推荐文章于 2025-02-01 09:53:35 发布

阅读量3.5k

点赞数 3

分类专栏： 2D 相位展开算法与软件文章标签： matlab 图像处理矩阵

本文链接：https://blog.csdn.net/qq_15295565/article/details/106113818

版权

2D 相位展开算法与软件专栏收录该内容

7 篇文章

订阅专栏

Hessian矩阵的计算需要计算图像的二阶偏导数。一般地，线性尺度空间理论被用来计算Hessian矩阵的微分算子。在这个理论下，微分通常被定义为原始数据和高斯滤波器导数的卷积。二阶方向导数定义为：

function [Dxx,Dxy,Dyy] = Hessian2D(I,Sigma)
%  This function Hessian2 Filters the image with 2nd derivatives of a 
%  Gaussian with parameter Sigma.
% 
% [Dxx,Dxy,Dyy] = Hessian2(I,Sigma);
% 
% inputs,
%   I : The image, class preferable double or single
%   Sigma : The sigma of the gaussian kernel used
%
% outputs,
%   Dxx, Dxy, Dyy: The 2nd derivatives
%
% example,
%   I = im2double(imread('moon.tif'));
%   [Dxx,Dxy,Dyy] = Hessian2(I,2);
%   figure, imshow(Dxx,[]);

    if nargin < 2, Sigma = 1; end

    % Make kernel coordinates
    [X,Y]   = ndgrid(-round(3*Sigma):round(3*Sigma));

    % Build the gaussian 2nd derivatives filters
    DGaussxx = 1/(2*pi*Sigma^4) * (X.^2/Sigma^2 - 1) .* exp(-(X.^2 + Y.^2)/(2*Sigma^2));
    DGaussxy = 1/(2*pi*Sigma^6) * (X .* Y)           .* exp(-(X.^2 + Y.^2)/(2*Sigma^2));
    DGaussyy = DGaussxx';

    Dxx = imfilter(I,DGaussxx,'conv');
    Dxy = imfilter(I,DGaussxy,'conv');
    Dyy = imfilter(I,DGaussyy,'conv');
    % Dxx = imfilter(I,DGaussxx);
    % Dxy = imfilter(I,DGaussxy);
    % Dyy = imfilter(I,DGaussyy);
end