SIFT中的高斯模糊

高斯模糊是众多模糊算法中的一种，所谓的模糊，就是平滑图像，消除像素之间的差异，最容易想到的方法就是均值平滑。

1.均值模糊

均值模糊就是取目标像素周围像素的平均值.譬如

像素矩阵.

|1|1|1|

|1|2|1|

|1|1|1|,

经过均值模糊后，就变成

|1|1|1|

|1|1|1|

|1|1|1|,

这样就模糊了像素之间的差异，但是这样做明显有缺陷，因为越远的像素对目标像素的影响越小。

所以，离目标像素越远，对目标像素影响越大，反之越小.

所以，这个非常符合正态分布，所以，我们首先先生成高斯核，公式为

G(x,y) = (1/2*PI*Sigma^2)^N*(E^(-(x^2+y^2/)2*Sigma*Sigma)

其中，Sigma为标准差，N为demension，根据高斯核函数，就可以生成Kernel,

例如，5*5的Kernel为

6.5857407E-6   4.247807E-4    0.0017035368   4.247807E-4    6.5857407E-6
4.247807E-4     0.027398387   0.10987825       0.027398387   4.247807E-4
0.0017035368  0.10987825     0.44065478       0.10987825     0.0017035368
4.247807E-4     0.027398387   0.10987825       0.027398387   4.247807E-4
6.5857407E-6   4.247807E-4    0.0017035368   4.247807E-4    6.5857407E-6

（通常我们只需要计算(6*Sigma+1)(6*Sigma+1)大小的Kernel即可)

这样，我们就有了一个Kernel,就可以与原图像做convolutions.

 

转载于:https://www.cnblogs.com/dick159/p/4851011.html