高斯拉普拉斯算子

高斯拉普拉斯算子(Laplacian of Gaussian,LoG)

高斯拉普拉斯算子(Laplacian of Gaussian,LoG)提取图像 f ( x , y ) f(x, y) f(x,y)边缘:

  1. 图像平滑去噪,高斯低通滤波器(a convolution with a Gaussian kernel of width σ \sigma σ

G σ ( x , y ) = 1 2 π σ exp ⁡ ( − x 2 + y 2 2 σ 2 ) G_{\sigma}(x, y) = \frac{1}{\sqrt{2 \pi} \sigma} \exp \left( - \frac{x^{2} + y^{2}}{2 \sigma^{2}} \right) Gσ(x,y)=2π σ1exp(2σ2x2+y2)

  1. 边缘检测,拉普拉斯算子(Laplace operator)

△ ( G σ ( x , y ) ∗ f ( x , y ) ) = ( △ G σ ( x , y ) ) ∗ f ( x , y ) = LoG ∗ f ( x , y ) \bigtriangleup (G_{\sigma}(x, y) * f(x, y)) = (\bigtriangleup G_{\sigma}(x, y)) * f(x, y) = \text{LoG} * f(x, y) (Gσ(x,y)f(x,y))=(Gσ(x,y))f(x,y)=LoGf(x,y)

■■

卷积性质:

d d t ( h ( t ) ∗ f ( t ) ) = d d t ∫ f ( τ ) h ( t − τ ) d τ = ∫ f ( τ ) d d t h ( t − τ ) d τ = f ( t ) ∗ d d t h ( t ) \frac{d}{dt} (h(t) * f(t)) = \frac{d}{dt} \int f(\tau) h(t - \tau) d \tau = \int f(\tau) \frac{d}{dt} h(t - \tau) d \tau = f(t) * \frac{d}{dt} h(t) dtd(h(t)f(t))=dtdf(τ)h(tτ)dτ=f(τ)dtdh(tτ)dτ=f(t)dtd

  • 3
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值