![015dc1923bdcedc8abbda2fc8eae29f4.png](https://i-blog.csdnimg.cn/blog_migrate/f95a8b6bc9f3a3c99a28d9be5c2806c4.png)
一个网友说:卷积就是加权和。
本章主要内容
- 空间滤波机理
- 空间相关和卷积
- 线性滤波的向量表示
- 空间滤波器模板的产生
其实我在另外一个专栏中已经聊过了空间滤波的概念以及基本思路,当然还有OpenCV的相关代码实现。
lowkeyway:(十五)初识滤波之均值滤波zhuanlan.zhihu.com![582a64be1560f8541a31f4b653cae6ae.png](https://i-blog.csdnimg.cn/blog_migrate/0a9e15b10f5d3b9eda788d9749019a3a.jpeg)
空间滤波机理
我们知道,空间滤波器由:
- 一个邻域(典型的较小的矩形)
- 对该邻域包围的图像像素执行的预定义操作组成。
即,数据+算法。滤波产生的新像素的坐标值等于邻域中心的坐标(这也是OpenCV中一些算子的size是奇数的原因),像素的值是滤波操作的结果。由操作是否是线性运算可以分为:
- 线性空间滤波器
- 非线性空间滤波器
我们以线性空间滤波器为例,一般来说使用大小为
![50499a2e52f422c474e193d37edce065.png](https://i-blog.csdnimg.cn/blog_migrate/f20478efa57436b5b18d88abae47386d.jpeg)
空间相关和卷积
有了上面这张图,我们很容易理解这个移动加权核处理图像的过程。在严谨的科学世界里,我们需要给这个过程扣个帽子-空间相关。
什么是空间相关?
相关是滤波器模板移过图像并计算每个乘积之和的处理。
需要注意的是,在未覆盖的部分函数(比如边缘像素),我们需要对图像和核没有交集的地方对图像补零。
注:个人认为滤波器w与包中都是0和单个1的函数相关(离散单位冲激)相关后会得到w的一个旋转180度的拷贝,这个概念了解即可,暂时没遇到可用的地方。
听了这个解释,我们很容易想到一个概念。这不就是卷积吗?
什么是卷积?
视频
https://www.bilibili.com/video/av16187470?from=search&seid=8988027371731538619www.bilibili.com文字
如何通俗易懂地解释卷积?www.zhihu.com![b61f0725c2401e541adf65d0be118cbf.png](https://i-blog.csdnimg.cn/blog_migrate/aa788cdc76be48a6ba2226d23d02e38b.png)
说一千,道一万。感觉咱们作为非数学专业的工程人员,只要认为卷积=加权和就好了。
![e9d9fa8fcf119efa8829e1537c709c14.png](https://i-blog.csdnimg.cn/blog_migrate/6409502af5f7d640b2e0485cc92b4332.jpeg)
所以我们可用卷积的公式对线性滤波
线性滤波的向量表示
当我们想要关注相关或卷积的模板响应特性R时,可以把卷积函数写成向量的方式。
其中:
![77894189ce5022b71b9990fe2b5dde57.png](https://i-blog.csdnimg.cn/blog_migrate/f5caf91aea8cf4ff7c7e378382f80419.png)
空间滤波器模板的产生
有了滤波的公式,下面就是要选择空间滤波器的模板了。一般来说,这要看我们的需求来定。
比如我们希望对核同图像的相交处做平均运算,就可以用均值公式:
当然我们也可以用二维高斯函数: