CV3-Spatial Filtering

Spatial Filtering

思维导图

image-20220107112311058

算子

  1. 5x5的sobel算子:

    Spatial Filter

    推导城市距离;

    欧式距离修正

image-20211217085346242

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

image-20211226151122402

image-20211216232152663

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:

image-20211216232526533

  1. 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

image-20211216210601148

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

参考理解

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:

  1. 通过间隔求梯度
  2. 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

image-20211216215818243

image-20220102103513874

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:

  1. 均值滤波器
  2. 高斯滤波器
  3. 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

image-20220102103907372

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.

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值