一、图像处理中的卷积
图像处理中经常用到卷积这个概念。大多数是用模板矩阵(卷积核)对原图像进行扫描滤波:将图像矩阵与模板矩阵对应点的元素相乘再相加,最后的计算结果替代原图像中心位置元素值的运算。
图中,外面的方框代表原图 I,中间黄色的方块代表卷积核 G。当卷积核的中心扫描到坐标 (x,y) 时,需要对原图矩阵上被其覆盖的所有元素求加权和,从而得到滤波后的图像H在点 (x,y) 处的元素值。
比如下面矩阵 IMG表示待处理的图像,而矩阵f表示卷积核,也就是模板矩阵。那么矩阵L 就是卷积运算后的图像矩阵。
MATLAB为上述计算提供了专门的函数:
L=imfilter(IMG,f)
在图像处理领域,卷积的一大应用就是计算图像的梯度。
计算灰度图像 H 内部任意一点 (x,y) 的梯度,普遍使用公式:
易知,Gx,Gy 对应的卷积核分别为 和。
以上就是最基本的图像卷积变换,理解到这个层次就基本可以在图像处理中应用它了。但卷积的物理意义是什么?
二、卷积的物理意义
[1]卷积最初来源于信号系统理论,假设一个系统,t 时刻输入为x(t),输出为 y(t),系统的响应函数为 h(t)。那么按理说,输入输出之间应有如下关系:
y(t) = x(t)h(t)
然而,实际的情况是,系统的输出不仅与系统在t时刻的响应有关,还与它在 t 时刻之前的响应有关。不过系统有个衰减过程,所以