数字图像处理系列 | 线性平移不变性系统就是卷积运算 (2)

学习 线性平移不变系统 为接下来图片处理算法打好基础。

1. 什么是线性平移不变系统

两个特点：1. 线性的 2. 具有平移不变性

线性

如果满足下面这个function，你可以说这个function（公式）是线性的

平移不变性

• f(x) 是input， output是g(x)
• 当input向右平移a个单位，output也向右平移a个单位
• 满足这个条件，就是满足平移不变性
  

小总结：

• 同时满足线性和平移不变性的系统，就是线性平移不变性系统

线性平移不变性系统 – 在机器视觉中，哪里与我们相关，拿眼睛来举个例子

• 下图蓝色是 我们眼睛看到的 “场景”，
• f 是承接图像的视网膜的焦距位置，
• 当我们近视之后，我们眼球承接图像的位置会变到 g 的位置
• 这里面g 和 f 的关系可以用 线性平移不变性系统来描述
  
  那么现在
• 如果你增加了“场景”的亮度，f, 和 g 所接收的亮度都会增强
• 如果你移动了“场景”的中的物体，f, 和 g 所接收的物体也会移动相同的距离
  

如果满足 线性 + 平移不变性 就可以说这满足线性平移不变系统(Linear Shift Invariance System)
接下来我们会用公式来证明，Linear Shift Invariance System == Convolution

2. Convolution (卷积)

卷积的概念，公式解释：线性平移不变性系统就是卷积运算

• f(x) 与 h(x) 进行卷积，用积分来表示

• 在泛函分析中，卷积是通过两个函数 f 和 h 生成第三个函数的数学运算，表征函数 f 和经过翻转，平移的
  h 的乘积函数围成的曲边梯形的面积。

• 接下来我们看一下如何从积分的角度解释 Linear Shift Invariance System == Convolution，即 线性平移不变性系统就是卷积运算
  

• 首先，你把h(-t），翻转，然后移动t个单位变成，h(x-t)
  

• 然后，与f(t）相乘
  

• 然后，我们做积分，得到x点的值g(x)
  

• 如果你想要得到所有的g(x), 在所有位置重复上面的步骤
  

• 这便是卷积了, 这个绿色的就是卷积了，g(x)
  

小总结：所有的线性平移不变性的计算 就是 卷积计算

• 这个方程是线性的，平移不变的
  

3. Example: 可视化卷积是如何工作的

Simple Case

Litter Difficult Case

Online 可视化 Demo

你可以在这个网站尝试

4. 为什么 卷积计算 进行的是 线性平移不变性的运算

数学解释: When you perform a convolution, the result is a function which satisfies linearity and shift invariance

卷积计算 是 线性计算

所以呢 卷积计算就是线性计算

卷积计算 是 平移不变的

g(x) = g(x - a)

5. 如何找到 h ?

让我们假设，given a system that is a linear shift-invariant system, you don’t know what it’s convolving the input with, It’s convolving it with some function h, How do you find h

• 这个是卷积的定义：
  

• 我们想解决上述问题，我们可以换个思路，我们用什么样的input，得到的结果是h(x)呢，Can we apply an input to this function, such that what comes out is h?

• 答案：如果我们输入一个单位脉冲函数，那么我们的输出就是h(x), It turns out that is the unit impulse function
• 下面的那个δ(x) 就是 单位脉冲函数, 非常窄，非常高, 这个区域的面积为1
  

input是一个单位脉冲，就得到了h(x), 你就知道这个线性平移不可变系统在做什么 了

6. 人眼的脉冲反应

我们知道晶状体(lenses)是一个线性平移不变性系统，
那么我们现在想知道 人眼的脉冲响应是什么样子的呢 What is the impulse response of the human eye？

• 下面这个δ(x, y)如果很宽的话，我们看东西就越来越模糊，不聚焦了（近视）
  

7. 卷积的特性

• 交换律
  

2D 卷积

医学影像3D