(转)高斯平滑或者说滤波器
来源:互联网 发布:toyama钢琴如何 知乎 编辑:程序博客网 时间:2024/06/06 07:06
发展到现在这个平滑算法的时候, 我已经完全不知道如何去命名这篇文章了, 只好罗列出一些关键字来方便搜索了.
在之前我们提到过了均值滤波器, 就是说某像素的颜色, 由以其为中心的九宫格的像素平均值来决定. 在这个基础上又发展成了带权的平均滤波器, 这里的高斯平滑或者说滤波器就是这样一种带权的平均滤波器. 那么这些权重如何分布呢? 我们先来看几个经典的模板例子:
尝试了使用这些滤波器对我们原来的图进行操作, 得到了这样的一组结果:
原图:
3x3 高斯:
5x5 高斯:
单纯从效果来看, 两个模板都起到了平滑的作用, 只是程度有深浅的区分. 那么从理论上来说为什么能起到平滑的作用呢? 很显然, 像素的颜色不仅由自身决定了, 同时有其周围的像素加权决定, 客观上减小了和周围像素的差异. 同时这些权重的设定满足了越近权重越大的规律. 从理论来讲, 这些权重的分布满足了著名的所谓高斯分布:
这就是1维的计算公式
这就是2维的计算公式
x, y表示的就是当前点到对应点的距离, 而那些具体的模板就是由这里公式中的一些特例计算而来. 需要说明的是不只有这么一些特例, 从wikipedia可以方便地找到那些复杂的模板比如像:
Sample Gaussian matrix
This is a sample matrix, produced by sampling the Gaussian filter kernel (with σ = 0.84089642) at the midpoints of each pixel and then normalising. Note that the center element (at [4, 4]) has the largest value, decreasing symmetrically as distance from the center increases.
0.000000670.000022920.000191170.000387710.000191170.000022920.000000670.000022920.000786330.006559650.013303730.006559650.000786330.000022920.000191170.006559650.054721570.110981640.054721570.006559650.000191170.000387710.013303730.110981640.225083520.110981640.013303730.000387710.000191170.006559650.054721570.110981640.054721570.006559650.000191170.000022920.000786330.006559650.013303730.006559650.000786330.000022920.000000670.000022920.000191170.000387710.000191170.000022920.00000067是不是看到就头大了:) 不过没关系, 对于一般的应用来说, 前面的例子已经可以完成任务了. 代码的话我们还是给一份5x5的example:
- /**
- ** method to remove noise from the corrupted image by gaussian filter value
- * @param corrupted input grayscale binary array with corrupted info
- * @param smooth output data for smooth result, the memory need to be allocated outside of the function
- * @param width width of the input grayscale image
- * @param height height of the input grayscale image
- */
- void gaussianFilter2 (unsigned char* corrupted, unsigned char* smooth, int width, int height)
- {
- int templates[25] = { 1, 4, 7, 4, 1,
- 4, 16, 26, 16, 4,
- 7, 26, 41, 26, 7,
- 4, 16, 26, 16, 4,
- 1, 4, 7, 4, 1 };
- memcpy ( smooth, corrupted, width*height*sizeof(unsigned char) );
- for (int j=2;j<height-2;j++)
- {
- for (int i=2;i<width-2;i++)
- {
- int sum = 0;
- int index = 0;
- for ( int m=j-2; m<j+3; m++)
- {
- for (int n=i-2; n<i+3; n++)
- {
- sum += corrupted [ m*width + n] * templates[index++] ;
- }
- }
- sum /= 273;
- if (sum > 255)
- sum = 255;
- smooth [ j*width+i ] = sum;
- }
- }
- }
附带说一些,很明显,和均值滤波器类似, 这个滤波器没有消除校验噪声的作用.
- (转)高斯平滑或者说滤波器
- 高斯平滑滤波器
- Gaussian Smoothing Filter高斯平滑滤波器
- 高斯平滑滤波器opencv实现效果
- 高斯平滑滤波器(Gaussian Smoothing Filter)
- 图像处理滤波器(三)——高斯平滑滤波器(Gaussian Smoothing Filter)
- 高斯平滑 高斯模糊 高斯滤波器 ( Gaussian Smoothing, Gaussian Blur, Gaussian Filter )
- 高斯平滑 高斯模糊 高斯滤波器,python 实现
- 【转】图像高斯平滑
- 平滑滤波器
- 关于高斯模糊平滑滤波器的参数探讨的汇总
- VTK修炼之道37:图像平滑_高斯滤波器
- 高斯平滑 高斯模糊 高斯滤波器 ( Gaussian Smoothing, Gaussian Blur, Gaussian Filter ) C++ 实现
- 高斯平滑 高斯模糊 高斯滤波器 ( Gaussian Smoothing, Gaussian Blur, Gaussian Filter ) C++ 实现
- 高斯平滑 高斯模糊 高斯滤波器 ( Gaussian Smoothing, Gaussian Blur, Gaussian Filter ) C++ 实现
- 高斯平滑 高斯模糊 高斯滤波器 ( Gaussian Smoothing, Gaussian Blur, Gaussian Filter ) C++ 实现
- 高斯平滑 高斯模糊 高斯滤波器 ( Gaussian Smoothing, Gaussian Blur, Gaussian Filter ) C++ 实现
- 高斯平滑 高斯模糊 高斯滤波器 ( Gaussian Smoothing, Gaussian Blur, Gaussian Filter ) C++ 实现
- JSP的9个内置对象-application
- 获取屏幕分辨率
- LeetCode Longest Substring Without Repeating Characters
- Actvity全屏显示
- 高效内存池的设计方案[C语言]
- (转)高斯平滑或者说滤波器
- 64位vs2010的opencv配置和图片读取问题
- UVa 11402 - Ahoy, Pirates!
- XML的解析和生成
- Tomcat小问题
- Bitmap和ImageView显示下载的图片(I/O的理解)
- Wix学习(三)
- Android查看网页源码
- Sqlite数据库相关操作