【计算机视觉】 滤波器

标签(空格分隔)： 【图像处理】 【Matlab开发】

说明：本系列是整理计算机视觉(英语)的笔记所成，不对之处还望指出。

##Early vision： Just one image

###linear filters

卷积，信号系统中的连续与离散卷积，还有图像处理中的卷积核，卷积神经网络等概念。对于图像处理中来讲，卷积就是卷积核来对图像进行空域滤波。有以下主要内容：

输出图像的每一个像素都是卷积核扫描过输入图像得到的加权平均；

权重保持一致；

窗口在像素正中。

重要的操作是：

smoothing by averaging；

smoothing by weighted average；

taking a derivative。

之所以称之为线性滤波器，是因为kernel本身与图像中对应大小窗口进行的是内积。

那么直接对近邻的一些像素进行平均会导致较差的平均效果，因为可能导致ringing effects(振铃效应)，距离远的neighbors与距离近的neighbor具有一样的权重、影响，这是不太科学的。那么解决方法呢：距离远的具有较小的权重、影响，距离近的具有较大的权重、影响；不妨采用高斯函数来做，于是便有了高斯卷积核，那么高斯函数有两个数字特征决定，一是均值，二是方差，在高斯卷积核中，类似的有两个概念，一是卷积模板的大小，二是尺度$\sigma$大小，$\sigma$决定陡峭程度，也就说在模板内卷积核随着原理中心的权重下降程度。

以matlab中预定义的2-Dfilters为例，fspecial，该函数实现的是输入对应的filter的名字，以及大小等参数，可以生成对应的卷积核模板

'average' averaging filter

'disk' circular averaging filter

'gaussian' Gaussian lowpass filter

'laplacian' filter approximating the 2-D Laplacian operator

'log' Laplacian of Gaussian filter

'motion' motion filter

'prewitt' Prewitt horizontal edge-emphasizing filter

'sobel' Sobel horizontal edge-emphasizing filter

'unsharp' unsharp contrast enhancement filter

比如前面说的平均滤波，使用命令：

>> filter=fspecial('average',3)

filter =

0.1111 0.1111 0.1111

0.1111 0.1111 0.1111

0.1111 0.1111 0.1111

而对于高斯卷积核：取sigma为1时对应的3x3的尺寸为：

>> filter=fspecial('gaussian',3,1)

filter =

0.0751 0.1238 0.0751

0.1238 0.2042 0.1238

0.0751 0.1238 0.0751

下面测试一下，将sigma增大一些，调为8：

>> filter=fspecial('gaussian',3,8)

filter =

0.1105 0.1114 0.1105

0.1114 0.1123 0.1114

0.1105 0.1114 0.1105

可以看到，当sigma越大，说明方差越大，方差越大说明高斯函数越分散，数据不集中，表现在卷积核上就是越来越类似于average filter了，从上面的效果也可以看出来，减噪的代价是blurring(模糊)即，方差较大的gaussian kernel其图像的细节也会随着噪声被滤掉。而当方差越小，说明高斯函数越集中，表现在卷积核上就是突出在中心的位置最大，其余几乎都是零，这说明sigma过小类似于没有做任何处理一样。比如将sigma设置为0.2为例：

>> filter=fspecial('gaussian',3,0.2)

filter =

0.0000 0.0000 0.0000

0.0000 1.0000 0.0000

0.0000 0.0000 0.0000

可以清晰的看出，卷积核只有在center的位置不为0，其余都为1。所有的卷积核模板中元素之和为1，不管是什么样的sigma，都是如此：

>> sum(sum(filter))

ans =

1

讲完了averaging，在进入到derivatives的阶段之前，在对卷积进行一下总结：

前面说的这个卷积核里面的权重weights被叫做filter kernel；

将window形状的kernel排列为vector，那么卷积实际上就是像素和filter kernel的dot-product。

filter对于在图像的window中像filter kernel的部分有较强的响应，正的响应表示just like H，而负的响应表示reversal like。那么这个filter做得到底是什么呢？细想一下，实际上filter做得是相似度的测量，即图像中某一块与该filter kernel的相似度。从这个角度上来讲，filter就是一个pattern detector，我设计好一个filter kernel，这个filter kernel代表的是一种pattern，然后我在图像中扫描，搜索哪一块儿与这个filter kernel相似度最高，也就是响应最大，也就说明图像的该块儿也就是该图像中所要找的具有该pattern的位置。但是这样有些许不足之处：是一个线性的，所以背景比较亮的patches对应的滤波器响应肯定会大，这是直接使用dot-product的弊端。采用的修改办法就是Normalized Correlation，采用计算filter kernel vector与image patches vector之间的cosine角度来作为衡量，实际上等效于做了一次normalization，normalization在机器学习中是一个非常重要的数据预处理的步骤，大家将尺度归一化。这个时候，属于响应越接近于1，image pattern就越像filter kernel，越接近-1，image pattern 越反向相似于filter kernel。

经过上面的分析可以看出，这是一种非常简单、快速且计算量像的pattern detector方法。

举个例子，如何用手势去控制两个滑块空间的移动，比如用伸开手掌左右移动，可以控制上面的滑块，握住拳头左右移动，可以控制下面的滑块。其中的道理很简单，首先得判断是手掌还是拳头，二是得判断拳头或者手掌的位置在哪里，只要实现了这两个步骤，就能实现对滑块的控制。其中的简单方法就可以使用filter kernel的方法，构造一个能代表伸开手掌的filter kernel，或者卷积模板，和一个能代表握紧拳头的filter kernel，或者卷积模板，找到摄像机捕获照片中具有最强响应的位置，超过一定的置信度，便认为是对应的拳头或手掌，于是就可以控制滑块了。【等抽空儿可以试一试，与眼动仪控制滑块进行对比一下，或者两者糅合到一起来控制】。

【说明一下，这是不是有点类似于图像的模板匹配法了，类似于直接用目标的patch作为filter kernel，然后进行扫描】

现在又有了一个问题，拳头在图像中的大小与摄像头的距离有关，这就涉及到一个尺度上的变化，如果卷积核选的大，而拳头距离较远，在图像中大小比卷积核小很多，那么就有导致错误判断的可能，所以便自然而然的引入了高斯金字塔和尺度。

resampled：较低分辨率强调的是轮廓形状，而较高分辨率强调的是细节。具体的过程是做一次高斯平滑，然后进行一次降采样，再做一次高斯平滑，再进行一次降采样，等等直到满意为止。对应到opencv的函数中对应一个resize就可以获得降采样。不同的scale，代表着different info。

A filter is a pattern of weights

Convolution applies the filter to the image

Output measures similarity between filter and image patch，only a

rough estimate

Normalized correlation gives improved pattern detection

non-linear filters

中值滤波

最大值滤波

最小值滤波

聊一下Local image features

首先是像素一般具有强烈的相关性，即大部分像素与它的邻居像素都比较接近，这类信息是平淡无奇的，而那些少部分不接近的，不同的，一般都是处于边界之上。这类特征，或者信息一般是我们关注的。但是噪声一般也与周围的像素不同。这些信息大部分出现在梯度较大的地方，gradient is large。所以可以使用梯度来提取这些信息，但是别忘了刚说过的噪声。那么如何先搞掉噪声呢？首先得研究一下噪声模型，下面是两个简单的噪声模型：

加性的高斯噪声；

独立同分布中得到的高斯噪声；

注意，我们在使用gradient的时候，认为是edge的是locally biggest 且 large的，不能仅仅是局部biggest，一定还要large才对。

后面又讲述了smoothed gradient：先做平滑在做gradient，或者是先做gradient后做平滑，两者的效果是一样的。

后面又专门介绍了canny 算子求edge，主要是两个点，一是非极大值抑制，二是双阈值，$K_{high}$，$K_{low}$，$K_{high}$表示找到strong edge来开启edge chain，而$K_{low}$是用来找到weak edge来连接edge chain。通常粗糙的将$K_{high}=2\times K_{low}$。

听课笔记