Spatial Filtering
思维导图
算子
帕斯卡三角形,高斯整数的逼近
2.根据定义,推导标准的Laplacian算子
上面的式子表示对f(x,y)图像的卷积操作,将系数提取出来写成矩阵的形式就是那样。
taile:
- 图像的线性滤波是否是对图像的线性变换?可否表示成对图像的矩阵变换的形式?
可以,卷积运算的展开
pint表示每列前缀和,prow表示左上角前缀和积分图,sstride和istride是存的两个步长,sstride为原图步长,istride为积分图步长,对应内存空间可能不一样,所以步长间隔可能不同
通过高斯函数求解高斯核
Sobel算子理解
sobel算子是在原有算子的基础上增加了对于噪声的鲁棒性,主要表现在两个方面:
- 通过间隔求梯度
- 通过对于算子上加上高斯滤波增加鲁棒性
参考:
行列可分离性
理解:一个滤波最后只会影响中心位置的值,中心是对周围值的加权,只要能得到分离的滤波结果和综合一个结果相同,就能说明是线性可分离的;这里第一个先行,然后再第一个基础上进行第二个列的这种,就能得到第三个这种综合的。可以看到效果和综合的相同。所以是行列可分离的;进一步可以说满足这种的是行列可分离的:
- 均值滤波器
- 高斯滤波器
- sobel算子
滤波器性质
线性滤波器:线性卷积(可交换性、线性性、结合性、x/y可分离性)
快速最值滤波
一个窗口为5的滤波核,将每个窗口从左到右,与从右到做求出最值,然后对于每个位置,与以这个为中心的左右两个窗口边界比较取最大值.