目录
比较过滤结果
2D中的移动平均线
比较过滤结果
我们来谈谈比较过滤结果。
我采用了十个随机整数的向量,并将它们绘制成线图,
然后我用长度为5的均匀滤波器、非均匀加权滤波器过滤矢量并绘制结果:
你能弄三种不同的颜色的线使用了什么过滤器吗?
提示:运用学到的均匀和非均匀的概念来看这道题。
我们一起来学习和分析出来:
蓝线具有最大的极端,它一定是原始数字的。
绿线更平滑,但有一些不规则的部分。例如,这里:
虽然蓝线显着减少,但绿线实际上略有增加。
这表明除了在每个点的中心值以外的值对结果影响太大。
看看第一个不寻常的峰值,似乎双方的峰值都贡献了中心值:
所以,绿线是一个使用 均匀滤波器 的结果。
粉红线也是平滑的,但更重要的是它的波峰和波谷很好地与原点对齐。
这似乎表明,与邻近值相比,中心值具有更多权重。
所以,粉红线是应用中心加权滤波器的结果。(非均匀滤波器)
注意:一个小细节,当应用这些过滤器时,我们希望缩放权重,使它们总和为1。
我们使用归一化,例如[1 1 1 1 1] / 5,或者 [1 4 6 4 1 ] / 16。
2D中的移动平均线
那么图像呢?
嗯,图像是二维的,在2D中做这些是非常直接的1D的扩展,只需要一点点翻转。
让我们在2D中做一个移动平均线。
我希望你能看到这张照片中有一大堆零。你看到所有那些零了?
然后在明亮的区域中间是90。所以这可能是一个从零到100的图像,或者其他什么。
但是这个想法是零是暗的,90的是亮的。
我要做的是移动平均线,所以红色框有我的平均值。
是一个三乘三的平均值,我将采用中间像素,在这里,我将把那个平均值放在那里:
因此,如果我将我的平均值整体设为零,并且我的平均值为零。
所以现在我们将我们的红色方格移到一边:
对,所以我们将它移到这里,我们得到0,0,0,0,0,0,90。
所以它变成十,然后我再滑一次,现在我得到290,所以它的平均值是什么?
20,并继续前进。
我得到30,并继续进一步到30,所以我只是移动它,取代平均值。
最后,我得到了这个总平均值,对吧?
你可以看到,放一个三乘三,我就得到了一个明亮的区域,这个区域就是三乘三可以覆盖所有90个值的地方。
这些90的格子在G(x, y)其他任何地方都有所下降。如图:
你会注意到这里的用户是0,直到我们得到这些10。
G(x,y)那些10来自哪里?他们来自这一个小亮点。如图:
顺便说一下,你可能注意到的一件事是,在边界上我们得到这些乐趣,一种黑暗的值。
我们将更多地讨论边界条件。
——学会编写自己的代码,才能练出真功夫。