卷积和相关
来源:互联网 发布:linux查看文件的命令 编辑:程序博客网 时间:2024/04/28 13:43
在执行线性空间滤波时,经常会遇到两个概念相关和卷积
二者基本相似,在进行图像匹配是一个非常重要的方法。
相关是滤波器模板移过图像并计算计算每个位置乘积之和的处理
卷积的机理相似,但滤波器首先要旋转180度
相关的计算步骤:
(1)移动相关核的中心元素,使它位于输入图像待处理像素的正上方
(2)将输入图像的像素值作为权重,乘以相关核
(3)将上面各步得到的结果相加做为输出
卷积的计算步骤:
(1)卷积核绕自己的核心元素顺时针旋转180度
(2)移动卷积核的中心元素,使它位于输入图像待处理像素的正上方
(3)在旋转后的卷积核中,将输入图像的像素值作为权重相乘
(4)第三步各结果的和做为该输入像素对应的输出像素
超出边界时要补充像素,一般是添加0或者添加原始边界像素的值
可以看出他们的主要区别在于计算卷积的时候,卷积核要先做旋转。
重要性质:一个函数与离散单位冲击相关,在冲击位置产生这个函数的一
个翻转版本。
f 函数
w 滤波器模板
eg:
f(x,y)
0 0 0 0 0
0 0 0 0 0
0 0 1 0 0
0 0 0 0 0
0 0 0 0 0
w(x,y)
1 2 3
4 5 6
7 8 9
相关(用于图像匹配)*w =
0 0 0 0 0
0 9 8 7 0
0 6 5 4 0
0 3 2 1 0
0 0 0 0 0
卷积(用于图像滤波)f*w=
0 0 0 0 0
0 1 2 3 0
0 4 5 6 0
0 7 8 9 0
0 0 0 0 0
假如函数f中存在w的一个复制版本,即f:
0 0 0 0 0
0 1 2 3 0
0 4 5 6 0
0 7 8 9 0
0 0 0 0 0
f*w是多少呢?读者也自己算吧。
9 26 50 38 21
42 94 154 106 54
90 186 285 186 90
54 106 154 94 42
21 38 50 26 9
是不是会发现w与f中w的复制版本重合时,该点的值最大。最大值为
1^2+2^2+……+9^2 = 285
这就是用相关进行图像匹配的基本原理。当然了,在图像匹配时还要进行
二者基本相似,在进行图像匹配是一个非常重要的方法。
相关是滤波器模板移过图像并计算计算每个位置乘积之和的处理
卷积的机理相似,但滤波器首先要旋转180度
相关的计算步骤:
(1)移动相关核的中心元素,使它位于输入图像待处理像素的正上方
(2)将输入图像的像素值作为权重,乘以相关核
(3)将上面各步得到的结果相加做为输出
卷积的计算步骤:
(1)卷积核绕自己的核心元素顺时针旋转180度
(2)移动卷积核的中心元素,使它位于输入图像待处理像素的正上方
(3)在旋转后的卷积核中,将输入图像的像素值作为权重相乘
(4)第三步各结果的和做为该输入像素对应的输出像素
超出边界时要补充像素,一般是添加0或者添加原始边界像素的值
可以看出他们的主要区别在于计算卷积的时候,卷积核要先做旋转。
而计算相关过程中不需要旋转相关核。
离散单位冲击:我们将包含单个1而其余全是0的函数成为离散单位冲击。重要性质:一个函数与离散单位冲击相关,在冲击位置产生这个函数的一
个翻转版本。
f 函数
w 滤波器模板
eg:
f(x,y)
0 0 0 0 0
0 0 0 0 0
0 0 1 0 0
0 0 0 0 0
0 0 0 0 0
w(x,y)
1 2 3
4 5 6
7 8 9
相关(用于图像匹配)*w =
0 0 0 0 0
0 9 8 7 0
0 6 5 4 0
0 3 2 1 0
0 0 0 0 0
卷积(用于图像滤波)f*w=
0 0 0 0 0
0 1 2 3 0
0 4 5 6 0
0 7 8 9 0
0 0 0 0 0
假如函数f中存在w的一个复制版本,即f:
0 0 0 0 0
0 1 2 3 0
0 4 5 6 0
0 7 8 9 0
0 0 0 0 0
f*w是多少呢?读者也自己算吧。
9 26 50 38 21
42 94 154 106 54
90 186 285 186 90
54 106 154 94 42
21 38 50 26 9
是不是会发现w与f中w的复制版本重合时,该点的值最大。最大值为
1^2+2^2+……+9^2 = 285
这就是用相关进行图像匹配的基本原理。当然了,在图像匹配时还要进行
相关函数的归一化等操作。
matlab源代码:
- %函数f
- f = [0 0 0 0 0
- 0 0 0 0 0
- 0 0 1 0 0
- 0 0 0 0 0
- 0 0 0 0 0];
- %滤波器模板
- w = [1 2 3
- 4 5 6
- 7 8 9];
- %卷积
- ff = conv2(f,w,’same’)
- %相关
- ff2 = imfilter(f,w)
- %图像匹配的基本原理
- f2 = [ 0 0 0 0 0
- 0 1 2 3 0
- 0 4 5 6 0
- 0 7 8 9 0
- 0 0 0 0 0];
- ff3 = imfilter(f2,w)
%函数ff = [0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0];%滤波器模板w = [1 2 3 4 5 6 7 8 9];%卷积ff = conv2(f,w,'same')%相关ff2 = imfilter(f,w)%图像匹配的基本原理f2 = [ 0 0 0 0 0 0 1 2 3 0 0 4 5 6 0 0 7 8 9 0 0 0 0 0 0]; ff3 = imfilter(f2,w)
0 0
- 卷积和相关
- 卷积和相关
- 相关和卷积
- 函数的相关和卷积
- matlab区分卷积和相关
- 图像处理基本算法-卷积和相关
- 空间相关和空间卷积图解
- 数字图像处理:基本算法-卷积和相关
- 卷积和卷积神经网络
- 灰度图像--空域滤波 基础:卷积和相关
- 数字图像处理中相关和卷积的区别
- 卷积神经网络概念与原理和相关数据集
- 对卷积核的相关解释论文和实验
- 卷积与相关
- 卷积与相关
- matlab卷积相关
- 循环卷积和线性卷积
- 卷积、反卷积、转置卷积和微步幅卷积
- python升级 linux
- cf622c
- Note 7燃损归因电池
- JAVA普通文件上传传技术
- Spring Boot Web应用开发 错误处理
- 卷积和相关
- 如何使用HttpClient来发送带客户端证书的请求,以及如何忽略掉对服务器端证书的校验
- iOS开发中的库
- 数据库的完整性约束
- 淡腾的Xcode 8注释快捷键注释失效
- Linux文件搜索命令
- nginx_rtmp 实现mpeg-dash流推送
- OkHttp使用教程
- strongswan整合radius(待续)