线性滤波器

因此，本主题的最后一部分，我们将对我们将要执行的不同过滤器进行一些简单的分析，

然后我们将在以后进行更复杂的过滤。

在这里我们有一张照片，左边是原始的照片，人的眼睛，我用脉冲过滤器卷积这个图像,你将会得到什么？

那么当你用脉冲对图像进行卷积时，你会得到什么？

你得到的是原始的图像，它没有变化。如图：

所以这里有一个有趣的，如果我有一个脉冲会发生什么，但它实际上不是在参考点的中心，而是它向右移动了一个。如图：

将要发生的事情是，当我将滤镜放在中间时，它将从右侧获得填充，像素，并将其放在参考点，然后我移动它，

然后我得到右边的，现在我是否得到右边或左边的那个将取决于我是在进行相关还是卷积，记住相关性我只是移动它，

卷积我翻转它然后移动它，但你是什么 “最终会得到一个移位的图像，所以在这种情况下，如果你正在进行相关，

你将向左移动，所以通过改变脉冲你会得到一个移位函数，那是因为这个想法是中心这里的坐标是0,0。

那这个怎么样呢？

所以现在我已经把所有的除以9，所以它总和为1，这看起来是什么样的？

我们已经看到了，对，那只是一种糟糕的平滑过滤器，它是一个模糊，所以我只是弄出模糊的眼睛。

好了，现在来点很酷的东西。

如果我的过滤器，实际上是这两者的组合怎么办？

这基本上是脉冲的两倍减去模糊。

现在，这仍然是线性的，因此，应用此内核的输出，其中内核由相加和乘法组成，

可以通过获取原始两个输出的总和来完成，这看起来像这样。

而且你会注意到，我会在一分钟内向你展示一个更好的例子，它会使图像变得更加锐利，它突出了差异，

画个像这样的东西，这里叫做锐化滤波器，这些红色的小部分和红色的中间部分有关。

如果我把这个应用到整个过滤器上，你会看到它，现在你知道它的眼睛是什么，有爱因斯坦的眼睛，

如果你看一下你的屏幕，你会发现这个比前一个更清晰。

非锐化掩蔽原理揭破

在较旧的Photoshop中，甚至是目前，它们都有一种称为非锐化掩蔽的东西。

当你应用非锐化掩蔽时，它会做什么？

现在你可能会问，为什么会把一个非锐化掩蔽的这个效果更为锐利的名字称为非锐化？

不要问。

在过去，就像你在暗室里做事情一样，你在玩弄光和化学物质等等。

但你实际上仍然可以添加和减去光。

所以你们看过电影的人都知道电影是由底片制成的。

所以在黑暗的地方，它几乎不会放出任何光线而在光亮的地方它会放出很多光线然后，它会反射，它会投射到纸上。

一些非常聪明的摄影师想出了下面的办法。

假设我取一个底片，然后在上面放一张蜡纸在下面再放一张胶卷。我把灯打开了一秒钟。

我将会得到一个模糊的原版底片。

因为它变成了底片，它是一片胶片，所以我把好的底片（锋利的底片蜡纸），然后另一个底片，还有其他的制作方法。

但我的想法是我会得到一个模糊的原版底片。

因此，如果底片都是白色的，那么这个底片现在将变成全黑。

这是底片的值。

然后你可以做的是冲洗胶卷，等等。

您可以将原版模糊底片与原始胶片放在一起并一次曝光。

所做的数学就是这个数学。

我们有原始的，因为它是底片的，我们减去了一个稍微模糊的图片版本，这将给你一个更清晰的图片。

这就是你用化学品和胶片进行图像处理的方式，以制作更清晰的画面。

你觉得你做的额外底片怎么样？

这被称为模糊，它不那么尖锐。

这是非锐化掩蔽，它将被添加到原始图片中。非锐化掩蔽会让你的画面更清晰。

这就是为什么在今天的软件中，非锐化掩蔽使图片更清晰。

而现在你真的知道为什么，为什么数学运作。

关键：你实际上是在减去一个稍微模糊的图像版本。

小测验：

如果滤波器的系数不增加到1，则可以通过乘以必要的标度值来校正。

或者可以在操作之后将得到的图像乘以该数字的平方根，以补偿滤波器的水平和垂直应用。

A，正确。
B，错误。

当然这是错误的。看，如果事物需要乘以2.5，使一切总和为1，那么2.5可以应用于滤波器或它可以应用于图像。

2.5平方是不可以的，或类似的平方。因为，线性缩放，线性乘法，只是通过这些线性运算。

——学会编写自己的代码，才能练出真功夫。

4.线性和卷积——线性滤波器、非锐化掩蔽原理揭破_4相关推荐

冈萨雷斯图像处理---非锐化掩蔽和高提升滤波
冈萨雷斯图像处理-非锐化掩蔽和高提升滤波 MATLAB代码图像处理小白,昨天老师布置了一个作业,搜半天没答案,直接自己写了呜呜呜 clear,clc; % 读取图像 Img = imread('mo ...
非锐化掩蔽和高提升滤波
如下图为原图像.高斯滤波器模糊图像.非锐化模板.使用非锐化掩蔽的结果.使用高提升滤波的结果图. 由图可以看出,使用高斯滤波器后图像变得模糊,使用非锐化模板后所得的图像较原图像有了进一步改进,最后通过高 ...
灰度图像--图像增强非锐化掩蔽（Unsharpening Mask） .
灰度图像--图像增强非锐化掩蔽 (Unsharpening Mask) 分类: 数字图像处理冈萨雷斯 2015-01-31 19:53 147人阅读评论(0) 收藏举报图像增强图像处理非锐化 ...
空间滤波_第三章灰度变换与空间滤波-（六）锐化空间滤波器之非锐化掩蔽
知识使人自由,印刷术使知识自由. 按照书中的顺序,我们插入一章非微分模式下的锐化的方法,非锐化掩蔽. 这种方法在印刷术和出版界已经用了好多年了,具体的过程: 模糊原图像从原图像中减去模糊图像(产生的 ...
OpenCV非锐化掩蔽和高提升滤波
非锐化掩蔽和高提升滤波在印刷和出版界使用多年的图像锐化处理过程是从原图像中减去一幅非锐化(平滑过的)版本.这个称为非锐化掩蔽的处理过程由下列步骤组成: 1.模糊原图像 2.从原图像中减去模糊图像(产 ...
非锐化掩蔽(Unsharp Masking)与高提升滤波
数字图像处理中图像增强算法中常用的两种技术:非锐化掩蔽和高提升滤波非锐化掩蔽: 顾名思义即减去平滑后的图像,其原理流程图如下: 1.平滑原图像:f->s: 2.从原图像中减去模糊图像,产生的差 ...
灰度图像--图像增强非锐化掩蔽（Unsharpening Mask）
学习DIP第35天转载请标明本文出处:http://blog.csdn.net/tonyshengtan,欢迎大家转载,发现博客被某些论坛转载后,图像无法正常显示,无法正常表达本人观点,对此表示很不 ...
数字图像处理学习笔记4：图像增强之空间滤波2（一阶微分锐化滤波（梯度），二阶微分锐化（拉普拉斯），非锐化掩蔽）
文章目录前言一.一阶微分和二阶微分的定义二.一阶微分锐化滤波:梯度 1.梯度 2.sobel算子及MATLAB代码二.二阶微分锐化滤波:拉普拉斯算子 1.拉普拉斯算子 2.拉普拉斯算子MATL ...
4.线性和卷积——不同种类的噪声、中值滤波器揭破和实战_5
目录不同种类的噪声中值滤波器(亦称边缘保留) 中值滤波器-实战不同种类的噪声我们两次讨论过高斯平均是合理的. 如果噪声在每个像素中是独立的并且以0为中心. 因此,噪声是由高斯过程产生的.所以有 ...

4.线性和卷积——线性滤波器、非锐化掩蔽原理揭破_4

目录