Computer Vision（C. Rasche）计算机视觉论文解读（3 Image Processing I: Scale Space, Pyramid and Gradient Image）

最新推荐文章于 2023-06-29 13:21:08 发布

Mowa

最新推荐文章于 2023-06-29 13:21:08 发布

阅读量749

点赞数 2

分类专栏：计算机视觉文章标签：计算机视觉

本文链接：https://blog.csdn.net/u012285175/article/details/84962012

版权

3 Image Processing I: Scale Space, Pyramid and Gradient Image

3 Image Processing I: Scale Space, Pyramid and Gradient Image

对于许多计算机视觉任务，模糊图像并分别分析这些不同的模糊是有用的。我们已经在上一节中介绍了模糊图像的概念，但是在这里我们重复产生这种模糊，增加的滤波器尺寸到达所谓的比例空间，如图4所示。这个空间将在随后的部分介绍3.1。然后我们介绍图像金字塔，第3.2节，粗略地说 - 缩小了尺度空间。

图4：图像的缩放空间。从底部到顶部观察增加的模糊。

Original: 未经过滤的图像。

Scale 1: 使用高斯滤波器sigma等于1， $\sigma = 1$ 来平滑。

Scale 2: 使用高斯滤波器 $\sigma = 2$ 来平滑。

Scale 3: 使用高斯滤波器 $\sigma = 3$ 来平滑。

它被称为空间，因为可以将其视为三维空间，第三维对应于具有变量 $\sigma$ 的细到粗轴。
在较粗的尺度（较大的 $\sigma$ 值）下，更容易找到整体的轮廓和区域，但结构有时会被其他不同的结构所污染。通常对较粗糙的尺度进行下采样以获得更紧凑的尺度空间表示，从而形成金字塔，参见图5.附录I.2中的代码。

(在这种情况下，分别对每个颜色通道执行滤波，一次用于红色，一次用于绿色，一次用于蓝色图像）

对于许多计算，知道强度景观如何在每个像素处“定向”也是有用的。具体来说，我们想知道小像素邻域的每个图像像素的“表面斜率”。这用梯度图像表示，将在3.3节中解释。

3.1 Scale Space

通过将图像与在小邻域中平均的二维滤波器进行卷积来使图像模糊。在上一节的介绍性示例中，我们仅使用了求和函数，但通常使用高斯滤波器完成图像模糊，就像我们滤波面部轮廓一样（第2.2节）。这里高斯滤波器是一个二维函数，看起来如图9的前四个补丁所示。它表示为 $g\left ( x,y,\sigma \right )$ ，其中x和y是图像轴，其中 $\sigma$ 是调节模糊量的标准差- 也称为平滑参数。在信号处理的语言中，将模糊处理表示为卷积，由星号表示。有人说，图像 $I_{o}\left ( x, y\right )$ 由滤波器 $g\left ( x,y,\sigma \right )$ 进行卷积