图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
来源:互联网 发布:基努里维斯 知乎 编辑:程序博客网 时间:2024/05/18 02:18
这里讨论利用输入图像中像素的小邻域来产生输出图像的方法,在信号处理中这种方法称为滤波(filtering)。其中,最常用的是线性滤波:输出像素是输入邻域像素的加权和。
1.相关算子(Correlation Operator)
定义:, 即 ,其中h称为相关核(Kernel).
步骤:
1)滑动核,使其中心位于输入图像g的(i,j)像素上
2)利用上式求和,得到输出图像的(i,j)像素值
3)充分上面操纵,直到求出输出图像的所有像素值
例:
A = [17 24 1 8 15 h = [8 1 6
23 5 7 14 16 3 5 7
4 6 13 20 22 4 9 2]
10 12 19 21 3
11 18 25 2 9]计算输出图像的(2,4)元素=
Matlab 函数:imfilter(A,h)
2.卷积算子(Convolution)
定义: , ,其中
步骤:
1)将核围绕中心旋转180度
2)滑动核,使其中心位于输入图像g的(i,j)像素上
3)利用上式求和,得到输出图像的(i,j)像素值
4)充分上面操纵,直到求出输出图像的所有像素值
例:计算输出图像的(2,4)元素=
Matlab 函数:Matlab 函数:imfilter(A,h,'conv')% imfilter默认是相关算子,因此当进行卷积计算时需要传入参数'conv'
3.边缘效应
当对图像边缘的进行滤波时,核的一部分会位于图像边缘外面。
常用的策略包括:
1)使用常数填充:imfilter默认用0填充,这会造成处理后的图像边缘是黑色的。
2)复制边缘像素:I3 = imfilter(I,h,'replicate');
4.常用滤波
fspecial函数可以生成几种定义好的滤波器的相关算子的核。
例:unsharp masking 滤波
12345I = imread(
'moon.tif'
);
h = fspecial(
'unsharp'
);
I2 = imfilter(I,h);
imshow(I), title(
'Original Image'
)
figure, imshow(I2), title(
'Filtered Image'
)
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
- 线性滤波(相关算子、卷积算子、边缘效应)
- 图像处理线性滤波(基础算子、卷积、拉普拉斯)
- 相关算子、卷积算子、边缘效应
- 相关算子、卷积算子、边缘效应
- 图像处理-线性滤波-2 图像微分(1、2阶导数和拉普拉斯算子
- 图像处理-线性滤波-2 图像微分(1、2阶导数和拉普拉斯算子)
- 图像处理-线性滤波-2 图像微分(1、2阶导数和拉普拉斯算子)
- 图像处理-线性滤波-2 图像微分(1、2阶导数和拉普拉斯算子)
- 图像处理-线性滤波-2 图像微分(1、2阶导数和拉普拉斯算子)
- 图像处理-线性滤波-2 图像微分(1、2阶导数和拉普拉斯算子)
- 线程简介--单利模式饿汉式和懒汉式
- 糗事万万千
- NYOJ-599-奋斗的小蜗牛-2013年11月4日22:22:22
- UVA 10985 - Rings'n'Ropes(floyd)
- Bochs调试之查看内存
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
- 覆盖equals时遵守通用约定
- android 短信发送器
- 判别分析
- NYOJ-283-对称排序-2013年11月5日22:11:16
- Computer vision with iOS Part 1: Building an OpenCV framework
- 如何获取当前配置的IPV6地址的前缀长度(掩码)
- 第五章【回溯法】批处理作业调度问题
- DP题集