第十二章 Filters, 滤波器
本章内容较多,已上传至主页免费资源,自行下载pdf文件。
本章包含过滤操作符。
滤波器是几乎所有机器视觉应用的重要组成部分。例如,mean_image可用于平滑图像,edges_sub_pix可用于提取亚像素精确边缘,fft_image可用于计算图像的快速傅里叶变换。
在下面,我们将仔细研究特殊情况:使用具有简化域的图像作为滤波器的输入,以及由图像域外的灰度值引起的问题。
图像过滤器,蒙版和减少域
Image filters, masks and reduced domains
如果将使用蒙版的滤波器应用于具有简化域的图像,则沿着域边界的结果可能会令人惊讶,因为位于边界之外的灰度值被用作滤波过程的输入。要解这一点,您必须考虑在此上下文中域的定义:对于过滤器,域定义必须为其计算输入像素和输出像素。但是域外的像素(位于图像矩阵内)可以用于处理。
图像域外的灰度值引起的问题
以图像作为输出的运算符(大多数过滤器运算符)只返回包含在输入域中的像素的结果。
出于性能原因,位于图像域之外的像素变为“未定义”。这些未定义的像素可能因系统而异,例如是否激活并行化。如果程序在具有相同配置的系统上重复执行,则仅保证这些值是一致的。在某些情况下,这些“未定义”像素可能会导致问题。使用full_domain将生成的图像扩展到完整域将导致出现在前图像域之外的工件。如果连续应用两个或多个过滤器,则问题的另一个原因是域外的未定义值,因为过滤器也会考虑靠近域边界的未定义值。这意味着,从边界到中间,每个过滤器的误差都会增加。下面,提出了解决这些问题的四种:
后续内容及我准备见主页pdf文件资源。