【深度学习】锐化滤波器核 与 边缘检测核

1.锐化滤波器核         

                                              

                                                                图1 锐化滤波器核

        对于锐化滤波器核来说，权重加起来和为1。图像与锐化滤波器做卷积，对于感兴趣的像素来说，新像素是用当前像素值乘以9，然后减去8个邻近像素值。如果感兴趣像素与邻近像素有差别，那么这个差别会增加，这样会使得到的图像锐化，因为该像素的值与邻近像素值之间的差距拉大了。

        例如，如果中心像素值为3，其周围像素值都为1，那么卷积后，该中心像素值变为了19，比其周围像素值大了18；如果中心像素值为3，其周围像素值都为3，那么卷积后，该中心像素值变为了3，和其周围像素值一样大。即，若中心像素值与周围像素值有差距，就拉大之间的差距，使得图像锐化；若中心像素值与周围像素值一样大，则不会锐化。这就是锐化滤波器的原理。

 

 

2.边缘检测核 

                                                              

                                                                       图2 边缘检测核

 

        对于边缘检测核来说，权重加起来和为0。若中心像素值与周围像素值相等，中心元素卷积后变为0，即黑色；若中心像素值与周围像素值有差距，则中心像素值就不为0，即边缘。这就是边缘检测核的原理。

        例如，如果中心像素值为30，其周围像素值都为10，那么卷积后，该中心像素值变为了160，中心像素本身增大了130，比其周围像素值大了150，即灰度变化方向为由周围向内心，灰度差值特大，灰度变化特别明显，形成边缘；

        如果中心像素值为10，其周围像素值都为30，那么卷积后，该中心像素值变为了-160，中心像素本身减小了170，比其周围像素值小了190，即灰度变化方向为由中心向周围，灰度差值特大，灰度变化特别明显，形成边缘；

        当然边缘像素不会只有这一个像素，会有很多个这样与周围像素不等的像素连在一起就形成了边缘；

        如果中心像素值为30，其周围像素值都为30，那么卷积后，该中心像素值变为了0，很多个这样与周围像素相等的像素连在一起就形成了一块背景区域。

         如果中心像素值为29，其周围像素值都为30，那么卷积后，该中心像素值变为了-8，很多个这样与周围像素相差不大的像素连在一起就形成了一块背景区域，即没有明显的特征。

 

        以上所讲都是为了便于理解，并非是举例介绍的那样：中心像素的周围八个像素值相等，但中心像素值却与他们不等，一般不存在这样的孤立像素点，即使噪声也不会只有一个像素点大小。

 

 

3.sobel算子 

      通常边缘检测核不是前面介绍的形式的核，比如sobel算子：

                                    

                        

                                    

 

 

2.高通滤波器与低通滤波器核

    

高通滤波器是根据像素与邻近像素的亮度差值来提升该像素的亮度。

低通滤波器则是在像素与周围像素的亮度差值小于一个特定值时，平滑该像素的亮度。它主要用于去噪核模糊化。

中值滤波器是取像素与周围像素的亮度排序后的中值作为该像素的值，既不是高通，也不是低通吧？

低通滤波器核形式各种各样，反正是把像素值较高的孤立点给滤掉 ，随便你权重和为多少，我也没研究过权重和为1或者为0是否都可以。以后再修正。