3.过滤——比较过滤结果、2D中的移动平均线_2

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。