LOG高斯-拉普拉斯算子
LOG算子:是高斯和拉普拉斯的双结合,即集平滑和边沿于一身的算子模型!注意这个模型跟前面的一个滤波器很相似,就是各向异性滤波器!只不过是各向异性滤波器是高斯一阶导函数,而LOG可以看做是二阶导函数!这两个模型来源最初都是因为求导导致模板对噪声干扰敏感性比较强!
1、拉普拉斯算子的出发点
在图像中,边缘可以看做是位于一阶导数较大的像素处,因此,我们可以求图像的一阶导数来确定图像的边缘,像sobel算子等一系列算子都是基于这个思想的。如下图a表示函数在边沿的时候关系,求导得b图,可知边沿可就是函数的极值点,对应二阶导数为0处,如图c的二阶导图。
(a) (b)
(c)
2、高斯-拉普拉斯算法
该算法就是直接对我们的高斯模型求二阶导数
高斯卷积函数定义为:
而原始图像f(x,y) 与高斯卷积定义为:
因为:
所以Laplacian of Gaussian(LOG)可以通过先对高斯函数进行偏导操作,然后进行卷积求解。公式表示为:
和
因此,我们可以LOG核函数定义为:
高斯二阶导如下图的绿色线,蓝色线是高斯一阶导数,红色则是高斯函数。
Laplacian of Gaussian计算可以利用高斯差分来近似,其中差分是由两个高斯滤波与不同变量的卷积结果逼近求得:
该函数逼近是因为发现高斯二阶导和原高斯函数对sigma参数求导之后函数模型的关系如上述的公式,然后约等于右边的导数表达式(严格的话需要加上极限的)!模型逼近如下:好处是可以提高算法的效率减少计算量
从两个平平滑算子的差分得出的是二阶边缘检测,反直观。近似计算可能如下图所示。图中一维空间,不同变量的两个高斯分布相减形成一个一维算子
注意最后计算的模板算子的权重和应该保证为1,不是1的可以进行归一化!确保在平塘区不会检测到边沿!
参考文章:
1、http://blog.csdn.net/songzitea/article/details/12842825
2、http://blog.csdn.net/pi9nc/article/details/18619893
LOG高斯-拉普拉斯算子相关推荐
- LoG高斯拉普拉斯算子介绍
版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/Touch_Dream/article/details/62237018 LOG算子: ...
- Laplacian of Gaussian (LOG) 高斯拉普拉斯算子
Laplacian(拉普拉斯)是对于一张图像的二阶空间导数上各向同性的测量.一张图像的Laplacian会显示出intensity(亮度) 剧烈变化的区域,所以经常用作边缘检测. 一幅图像的拉普拉斯变 ...
- 高斯拉普拉斯算子(Laplace of Gaussian)
高斯拉普拉斯(Laplace of Gaussian) kezunhai@gmail.com http://blog.csdn.net/kezunhai Laplace算子作为一种优秀的边缘检测算子, ...
- 拉普拉斯噪声公式_高斯拉普拉斯算子(Laplace of Gaussian)
高斯拉普拉斯(Laplace of Gaussian) Laplace算子作为一种优秀的边缘检测算子,在边缘检测中得到了广泛的应用.该方法通过对图像 求图像的二阶倒数的零交叉点来实现边缘的检测,公式表 ...
- c++ log函数_高斯拉普拉斯算子(Laplacian of Gaussian, LoG)
一.简要描述: 拉普拉斯算子是图像二阶空间导数的二维各向同性测度.拉普拉斯算子可以突出图像中强度发生快速变化的区域,因此常用在边缘检测任务当中.在进行Laplacian操作之前通常需要先用高斯平滑滤波 ...
- 用拉普拉斯变换求零状态响应_高斯拉普拉斯算子(Laplacian of Gaussian, LoG)
一.简要描述: 拉普拉斯算子是图像二阶空间导数的二维各向同性测度.拉普拉斯算子可以突出图像中强度发生快速变化的区域,因此常用在边缘检测任务当中.在进行Laplacian操作之前通常需要先用高斯平滑滤波 ...
- 高斯拉普拉斯算子LOG
Laplacian(拉普拉斯)是对于一张图像的二阶空间导数上各向同性的测量.一张图像的Laplacian会显示出intensity(亮度) 剧烈变化的区域,所以经常用作边缘检测. 一幅图像的拉普拉斯变 ...
- 离散拉普拉斯算子与LOG推导
目录 离散拉普拉斯算子的推导 高斯拉普拉斯算子的推导 离散拉普拉斯算子的推导 连续函数的拉普拉斯算子如下: ∇2f=∂2f∂x2+∂2f∂y2\nabla^{2} f=\frac{\partial^{ ...
- 图像处理——高斯拉普拉斯LOG(2)
首发于 (ML/DL/CV)相关细小知识点梳理 写文章 高斯拉普拉斯算子(Laplacian of Gaussian, LoG) saulzhang 致知计划 科学季 · 已瓜分 10 亿流量 49 ...
最新文章
- android一个简单的异步AsyncTask下载数示例,简单下载(07)
- Android wechat 分享
- PHP接口与抽象类区别:接口用来扩展应用 抽象用来总结归纳
- js_jQuery综合机试练习题
- 如何在PowerPoint演示文稿中使用iTunes音乐
- DOTween的Sequence图例说明
- 【6.10校内test】T3 加分二叉树
- GlusterFS vs. CephFS性能对比研究(一)
- 【财富空间】幸福,就是有这3种能力
- 电脑白屏,电脑白屏怎么办
- python实现三角形面积计算
- 激活windows10系统提示错误代码0x800705b4怎么解决
- Python PymySQl 下载安装配置
- Java中正负数二进制表示
- 32位单片机 一个32位地址代表一个字节而不是4个字节(32位)
- 场效应晶体管有什么特点
- Mac使用移动硬盘装Win10系统
- Python编程代码规范(Google Style)
- api接口设计相关总结
- 人工智能数学基础--概率与统计11:离散随机变量的超几何分布和负二项分布
热门文章
- WIFI关键器件选型
- k8s入坑之报错(11)添加node节点报错:error execution phase preflight: [preflight] Some fatal errors occurred:...
- android 让手机震动,Android手机震动的设置步骤
- anchors.fill和anchors.centerIn区别
- 天津大学校园网环境下访问IEEE网址出现tianjin university账号没有登录的问题
- zigbee初级教程(零) : cc2530开发环境搭建
- Qt编程(一) Qt框架简介
- 逆向小程序破解js神器-(工具篇)
- 计算机毕业设计,java+mysql毕业设计 ,动漫论坛
- L1正则化和L2正则化(从解空间角度)