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:linux ssh修改文件内容 编辑:程序博客网 时间:2024/05/22 13:14
转自 http://www.cnblogs.com/pegasus/archive/2011/05/19/2051416.html
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
I = 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)
- Sql Server 获取、增加、修改、删除 字段描述
- SQL 中exists的用法
- OCP-1Z0-新051-61题版本-57
- 用QTP调用VB6生成的DLL实例
- OCP-1Z0-新051-61题版本-58
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
- 解决Android中Can't create handle inside thread问题 时间:2012-03-13 12:09 来源:未知 收藏 复制分享
- matlab体验svm算法【非实现】
- Android开发中完全退出程序
- 获得或者修改eclipse android 默认debug 签名
- 对九个超级程序员的采访
- 寄存器信息都是在fastboot里面设置好的
- 说说C#的async和await
- delphi假死线程堵塞解决办法