数字图像处理二 | 卷积滤波（sobel ,Prewitt ,Roberts ,Guassian）的原理及python实现

数字图像处理总结2

卷积运算和图像滤波
文末有代码链接。

卷积运算

对图像的操纵分为点操作，代数操作，几何操作和领域操作。
卷积运算就是领域操作中的一个，而提到卷积，就不得不说他的姊妹correlation。
话不多说，先看公式：
convolution : $f\ast w={\sum }_{(a,b)\in w}f(x-a,y-b)w(a,b)$
correlation : $f\circ w={\sum }_{(a,b)\in w}f(x+a,y+b)w(a,b)$
f是原图，k是kernel。a, b是kernel中的点坐标，默认kernel的中心坐标为（0，0）。
可以看出两者的区别主要是原图的坐标变换是+ or -
而且因为convolution是 - ，在代码中具体运算时，需要将kernel旋转$180^{\circ }$。
一句话描述卷积的过程：对一个以某点为中心，kernel大小的原图区域，对应乘上旋转过的kernel的元素并求和，结果来作为kernel中心那个像素的新的灰度值，对图中所有点作该操作，就是一个卷积。

---

图像滤波

图像滤波就是用不同的kernel进行卷积操作。
根据kernel的不同，又分为很多目的不同的操作，如边缘检测、图像平滑等。
下面就举几个常见的例子：

---

Edge Detection

典型算子：
Roberts：
$$|$$