卷积滤波 英文_图像的卷积(滤波)运算(二)——高斯滤波
1.高斯滤波原理
根据数学知识,一维高斯函数可以描述为:
在图像处理中,选定X方向上长度为3的窗口,令δ=1,中心坐标为1,由上述公式,其卷积核(Xa,X,Xb)可以如下计算:
Xa = exp(-1*(0-1)(0-1)/(2*1*1))= 0.606530659712633
X = exp(-1*(1-1)(1-1)/(2*1*1))= 1
Xb = exp(-1*(2-1)(2-1)/(2*1*1))= 0.606530659712633
可以看到计算过程没有用到常数部分,是因为需要归一化,常数部分可以省略:
Sum = Xa + X + Xb = 2.2130613194252668
Xa = Xa/Sum = 0.274068619061197
X = X/Sum = 0.451862761877606
Xb = Xb/Sum = 0.274068619061197
通过OpenCV验证下上述结果是否正确,OpenCV可以通过函数getGaussianKernel()来实现计算高斯核,运行如下代码,可以发现两者的计算结果是一致的。
Mat kernelX = getGaussianKernel(3, 1);
cout << kernelX << endl;
2.图像二维卷积
上述的推导过程都是一维的,那么二维情况下的卷积核怎么计算呢,其实很简单,转置并相乘就可以了:
Mat kernelX = getGaussianKernel(3, 1);
cout << kernelX << endl;
Mat kernelY = getGaussianKernel(3, 1);
Mat G = kernelX * kernelY.t();
cout << G << endl << endl << endl;
运行结果:
在得到卷积核之后,将其放到图像中进行二维卷积,对于原图像中的一个像素P(x,y),有如下卷积过程:
将窗口覆盖的对应位置的像素值相乘后相加,即可得到新图像对应位置的像素值Q(x,y)。当对图像所有的像素值都这样做时,就可以得到滤波后的图像。由于一般情况下总是顺序去卷积的,从左至右,由上而下,所以这个过程就是卷积核的滑动。
当滑动到边界的时候,就会产生一个问题,就是卷积核对应的位置没有像素值。这时可以将边界像素值舍弃(卷积),或者自动填充为0(滤波)。
3.具体实现
在OpenCV中,可以直接使用GaussianBlur()函数实现高斯滤波,但是为了验证和学习高斯滤波算法,也可以自己构建高斯卷积核,使用滤波函数filter2D()进行滤波。其具体实现如下:
#include
#include
using namespace cv;
using namespace std;
int main()
{
//从文件中读取成灰度图像
const char* imagename = "C:\\Data\\imgDemo\\lena.jpg";
Mat img = imread(imagename, IMREAD_GRAYSCALE);
if (img.empty())
{
fprintf(stderr, "Can not load image %s\n", imagename);
return -1;
}
//直接高斯滤波
Mat dst1;
GaussianBlur(img, dst1, Size(3, 3), 1, 1);
//自定义高斯滤波器
Mat kernelX = getGaussianKernel(3, 1);
Mat kernelY = getGaussianKernel(3, 1);
Mat G = kernelX * kernelY.t();
Mat dst2;
filter2D(img, dst2, -1, G);
//比较两者的结果
Mat c;
compare(dst1, dst2, c, CMP_EQ);
//
imshow("原始", img);
imshow("高斯滤波1", dst1);
imshow("高斯滤波2", dst2);
imshow("比较结果", c);
waitKey();
return 0;
}
可以看到这里分别用GaussianBlur()和filter2D()进行了高斯滤波,并通过compare()函数进行比较。运行结果如下所示,两者的滤波结果基本一致,说明构建的卷积核是正确的。
4.参考资料
卷积滤波 英文_图像的卷积(滤波)运算(二)——高斯滤波相关推荐
- 卷积滤波 英文_图形学之卷积滤波器
博客目录: 当有了卷积工具,下面介绍图形学常用的几种滤波器: 一.盒式滤波器 盒式滤波器是一个分段常值函数,它的积分结果为1. 离散滤波器,其数学形式为: \[a_{box,r}[i] = \begi ...
- 均值滤波计算_从零学美颜算法保边滤波
作者:天儿哥 有了前面的照片处理基础,这一篇开始讲美颜算法. 一.滤波为什么要保边? 人像美颜技术中,最重要的技术之一就是磨皮,没有磨皮谁还敢自拍,谁还敢直播? 磨皮本质上就是对图像进行滤波,比如前面 ...
- 卷积滤波 英文_图像处理必备英文词汇
Algebraic operation 代数运算 一种图像处理运算,包括两幅图像对应像素的和.差.积. 商. Aliasing 走样(混叠) 当图像象素间距和图像细节相比太大时产生的一种人工痕迹. A ...
- 卷积滤波 英文_《信号与系统》专业术语中英文对照表
<信号与系统>专业术语中英文对照表 第 1 章 绪论 信号 ( signal ) 系统 ( system ) 电压 ( voltage ) 电流 ( current ) 信息 ( info ...
- 拉普拉斯算子属于卷积方法吗_三代图卷积网络理论
1.图卷积定义 炫云:从二维卷积经过图傅里叶变换到图卷积zhuanlan.zhihu.com 炫云:拉普拉斯矩阵的谱分解,谱图卷积,图卷积演变过程zhuanlan.zhihu.com 第一代图卷积 ...
- (图像处理之滤波)OpenCV实现频率域的低通高斯滤波(C++)
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接: https://blog.csdn.net/weixin_40647819/art ...
- 【opencv】(3) 图像滤波:均值、方框、中值、高斯
内容有: 均值滤波 cv2.blur(),方框滤波 cv2.boxFilter(),高斯滤波 cv2.GaussianBlur(),中值滤波 cv2.medianBlur() 滤波可理解为,平均卷积操 ...
- 干货分享 基于MATLAB的带噪图像的高斯滤波论文
基于MATLAB的带噪图像的高斯滤波 摘要:图像常常被强度随机信号(也称为噪声)所污染.一些常见的噪声有椒盐(Salt & Pepper)噪声.脉冲噪声.高斯噪声等.椒盐噪声含有随机出现的黑白 ...
- 基于MATLAB的带噪图像的高斯滤波
基于MATLAB的带噪图像的高斯滤波 摘要:图像常常被强度随机信号(也称为噪声)所污染.一些常见的噪声有椒盐(Salt & Pepper)噪声.脉冲噪声.高斯噪声等.椒盐噪声含有随机出现的黑白 ...
最新文章
- 图像处理(十)基于特征线的图像变形-Siggraph 1992
- InstallShield 2011新功能试用(3)- Script Editor Intellisense
- 【David Silver强化学习公开课之一】强化学习入门
- kafka消费者接收分区测试
- Spring Boot中@ConfigurationProperties与@PropertySource的基本使用(读取指定的properties文件)
- OpenCV:回调函数
- $.getjson异常信息提示_8种信息类型,中后台产品功能自查清单
- OpenCV——CvMatchShapes函数
- Jenkins构建.net项目
- .net基础知识22点
- Java注解之自定义注解
- 正确调用腾讯x5内核详解
- 我的世界源代码java复制_《我的世界》你做主,微软逐步开放源代码
- 微型计算机控制第三版,清华大学出版社-图书详情-《微型计算机控制技术(第3版)》...
- 腾讯地图获取全国行政区划检索列表Demo
- 图片怎么去水印?大神教你3个免费去水印方法
- IEEE期刊最新的影响因子
- C#读取MP3文件的专辑图片和ID3V2Tag信息(带代码)
- 什么是验收测试?一份详细向导
- leetcode第一题:滑雪问题
热门文章
- 深入理解java虚拟机-读书笔记
- 前端模块化的前世今生
- java计算机毕业设计课程在线反馈系统源代码+数据库+系统+lw文档
- LVGL+RTTHREAD KEIL下出现.\build\debug.axf: Error: L6218E: Undefined symbol __aeabi_assert怎么办
- 第九章 指针 【SEARCH】
- DOS命令 基础命令
- 关于计算机素养论文,浅谈计算机专业教学中如何提高学生计算机素养
- 如何安装小企鹅输入法
- Java之加密工具类java.security.MessageDigest或org.apache.commons.codec.digest.DigestUtils
- 继金山WPS,永中Office之后,国产再添全新型办公软件