卷积算子的矩阵向量乘积表示&二维离散降质模型
在图像处理过程中,有时候我们需要将卷积运算转化为矩阵乘积运算,这也是离散降质模型构成的基础,那么怎么将卷积乘法转化为矩阵向量乘法呢 。我们可以运用有关循环矩阵或Toepliz矩阵的特点来构造卷积矩阵。上一篇已经介绍了一维离散降质模型转换过程及部分代码,这一篇将继续介绍二维序列卷积怎么转化为矩阵向量乘法。
二维图像离散降质模型
在二维离散系统中,输入信号尺寸为的二维序列f(x,y),加性噪声n(x,y)尺寸同样为AXB, 冲激响应函数h(x,y) 尺寸为CXD,为了避免各个周期重叠,将f(x,y)、n(x,y)、h(x,y)补零延拓至尺寸MXN,即(A+C-1)X(B+D-1)的矩阵序列,得到fe(x,y)、ne(x,y)、he(x,y),可表示为: f e ( x , y ) = { f ( x , y ) , 0 ≤ x ≤ A − 1 , y ≤ B − 1 0 , A ≤ x ≤ M − 1 , y ≤ N − 1 ( 1.1.1 ) h e ( x , y ) = { h ( x , y ) , 0 ≤ x ≤ C − 1 , y ≤ D − 1 0 , B ≤ x ≤ M − 1 , y