【计算机视觉】Lecture 11:LoG和DoG滤波算子
今天的主题
高斯拉普拉斯 (LoG) 滤波算子
- 用于寻找边缘
- 也有助于寻找斑点!
使用高斯差分 (DoG) 来近似
回忆:一阶导数滤波器
输入图像灰度的急剧变化对应于输入信号一阶导数的“峰或谷”
二阶导数滤波器
输入信号一阶导数的峰或谷对应于输入信号二阶导数的“零交叉点”。
数值导数
泰勒级数展开
中心差分近似于二阶导数
例子:二阶导数
优点:可以获得边缘的清晰定位,而不是边缘上高梯度幅值的“涂抹”
比较:一阶vs二阶导数
寻找零交叉点
在一阶导数中找到作为峰值的边缘的另一种近似方法是在二阶导数中找到零交叉点。
在一维面中,卷积 [1 -2 1] 并寻找响应(接近)为零的像素?
问题:当一阶导数为零时,二阶导数也为零。也就是说当与恒定灰度值区域卷积时,滤波器 [1 -2 1] 也产生零。
所以,在一维面中,用 [1 -2 1] 卷积并寻找响应接近于零且一阶导数的幅值“足够大”的像素。
边缘检测总结
有限差分拉普拉斯
例子:拉普拉斯
关于拉普拉斯的注意点
是一个标量
优点:使用单个mask就可以获取
缺点:方向信息丢失
是两个维度二阶导数相加
数值求导会放大噪声 (Lecture 4)
对噪声非常敏感
需要加滤波器
它总是与平滑操作相结合:先平滑(高斯滤波,来进行降噪处理,就形成了拉普拉斯高斯算子LoG(Laplace of Gaussian))再拉普拉斯
LoG滤波器
首先平滑 (高斯滤波器)
然后,找到零交叉点 (拉普拉斯滤波器)
也就是一个线性滤波器:
等式左边:高斯滤波图像的拉普拉斯变换(先高斯和图像卷积,然后求二阶导数)
等式右边:高斯的拉普拉斯变换 (LoG) 滤波图像(先高斯的二阶导数,然后卷积图像)
一维高斯和导数
高斯的二阶导数
LoG算子的效果
带通滤波器(抑制高频和低频部分)
作为边缘检测器的零交叉点
原始零交叉点(无对比度阈值)
注意:闭合轮廓
你可能已经注意到零交叉点形成闭合轮廓
在地形图上考虑等高线
每一个都是一个闭合的轮廓
零交叉点是高度为0的等高线。
请记住,在我们的例子中,高度图是一个经过LoG滤波的图像——一个同时具有正和负“高度”的曲面
LoG的其他应用:Blob检测
例子:LoG极值
LoG 斑点 (Blob) 检测
LoG滤波器极值定位 “blobs”:
极大值:亮背景上的暗斑点
极小值:暗背景上的亮斑点
斑点的尺度(大小,像素半径)由LoG滤波器的sigma参数确定
这个参数是从最前面的高斯滤波器来的,参数越大,则滤波器的范围越大,高斯滤波后就会更模糊。
观察和概括
LoG看起来有点像一只眼睛,它在眼睛区域的响应最大!
LoG:在亮的背景上看起来像是黑色的斑点
高斯导数(一阶导,前面加高斯):看起来像垂直和水平的阶跃边缘
回忆:使用滤波器的卷积(和互相关)可以被看作是将想要找到的内容与图像中的所有局部区域进行比较(卷积和互相关可以看作是找跟mask相似的块)。
关键思想:使用滤波器的互相关可以被看作是将想要找到的内容与图像中的所有局部区域进行比较(互相关可以看作是找跟mask相似的块)。
最大响应:亮背景上的暗斑点
最小响应:暗背景上的亮斑点
最大响应:垂直边缘;左侧较浅
最小响应:垂直边缘;右侧较浅
灰度的黑白就如同亮度的明暗,灰度值越高则图像越亮
有效实现 用DoG的LoG近似方法
LoG可以用两个不同尺度(不同Sigma)的高斯滤波器差(DoG)来近似
近似的LoG算子为:
LoG可以用两个不同尺度(不同Sigma)的高斯滤波器差(DoG)来近似
高斯的可分解性和级联性可以适用于DoG,因此可以进行LoG算子的有效实现。
对图像进行两次高斯平滑再将结果相减就可以近似得到LoG作用与图像的效果了。
DoG近似也可以解释LoG的带通滤波作用(高斯是一个低通滤波器,一个低通减去另一个低通等于带通)
回到斑点检测
Lindeberg:斑点在LoG(或DoG)尺度空间体积内被检测为空间和尺度上的局部极值。
LoG的其他应用:斑点检测
LoG的其他应用:图像编码
高斯金字塔的粗糙层预测下一个更精细层的显示。
虽然预测不准确,但意味着不必存储下一个精细尺度层的所有信息。
拉普拉斯金字塔储存了差异
【计算机视觉】Lecture 11:LoG和DoG滤波算子相关推荐
- python 图像处理 拉普拉斯算子的实现和改进-LoG和DoG算子
拉普拉斯算子 拉普拉斯算子是最简单的各向同性微分算子,它具有旋转不变性. 我们经常把它作为边缘检测之一,也是工程数学中常用的一种积分变换,也可以用于图像增强.角点检测等等. 这里只给出它的代码,原理可 ...
- LOG与DOG的关系
注意:这里只是推出LOG与DOG的关系 1)高斯函数: (1) 2)DOG(Difference Of Gaussian) DoG算子是LoG算 ...
- Roberts、Prewitt、Sobel、Laplacian、LoG 和 Canny 边缘检测算子(MATLAB自写函数实现)
文章目录 Roberts.Prewitt.Sobel.Laplacian.LoG 和 Canny 边缘检测算子(MATLAB自写函数实现) 1理论 1.1 知识引入 1.1.1 图像边缘边缘[1] 1 ...
- 传统图像处理(滤波算子、边缘、角点、特征提取)算法大全
由于之前搞图像时留下的笔记都太乱.没有章法,详细的总结部分后续有时间再整理,在这里先做个大一统,有疏漏的地方还请博友们指正,比如业界常见的ISP.3A相关的算法,网上比较优质的资料好像不太多~ 文章目 ...
- 数字图像处理---LOG算子和CANNY算子边缘提取(matlab)
LOG算子和CANNY算子边缘提取 边缘的含义: 在数字图像中,边缘是指图像局部变化最显著的部分,边缘主要存在于目标与目标,目标与背景之间,是图像局部特性的不连续性,如灰度的突变.纹理结构的突变.颜色 ...
- SIFT中LoG和DoG比较
在实际计算时,三种方法计算的金字塔组数noctaves,尺度空间坐标σ,以及每组金字塔内的层数S是一样的.同时,假设图像为640*480的标准图像. 金字塔层数: 其中o_min = 0,对于分辨率为 ...
- (转载)计算机视觉、图像处理中常见的滤波操作
前言:计算机视觉是让计算机理解图像与视频,本系列博客的目的在于加深自己在学习计算机视觉过程中对相关知识理解与回顾.其中很多内容参照:教材<ComputerVision: Algorithms a ...
- matlab fspecial创建滤波算子
Fspecial函数用于创建预定义的滤波算子,其语法格式为: h = fspecial(type) h = fspecial(type,parameters,sigma) 参数type制定算子类型,p ...
- 深度学习与计算机视觉教程(11) | 循环神经网络及视觉应用(CV通关指南·完结)
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/37 本文地址:https://www.showmeai.tech/article-d ...
最新文章
- ibatis使用心得——返回Map的Map
- pwn环境搭建_pwndbg、pwntools环境搭建(Unix系统)
- 乒乓球十一分制比赛规则_乒乓球的基本比赛规则
- macOS Big Sur应用图标替换教程︳big sur图标包
- 操作系统-单处理器调度
- SSM配置后可以访问静态html文件但无法访问其他后台接口的解决方案
- 推荐腾讯最新重磅开源项目!
- Linux下解决无法远程连接数据库问题
- mysql 游标循环_MySQL 游标 循环
- 单链表---建立基本学生信息管理系统
- 《Python黑客编程之极速入门》正式开课
- 诺基亚10.22变革影响的分析
- C语言入门的三个简易程序
- 2019第十届互联网牛耳人人盛典圆满成功,罗超频道入选年度专栏作者
- hadoop 2022 面试题总结了
- 县级智慧城市建设方案_智慧城市建设项目实施方案
- c#利用API读取微信数据
- 【转载】DEDE与DISCUZ整合积分同步[会员表,积分表
- 众包专访:开源中国众包,让未来多一种可能
- 小学六年级下册计算机计划,小学信息技术六年级下册教学计划