卷积积分图解法
- 格式:doc
- 大小:35.27 KB
- 文档页数:1
提到卷积运算,首先离不开的就是卷积核,这个卷积核其实就是一个大小固定、由数值参数构成的数组,数组的参考点通常位于数组的中心,数组的大小称为核支撑。
单就技术而言,核支撑实际上仅仅由核数组的非0部分组成。
或者,像其他说法,卷积核就是所谓的模板。
卷积运算,其实就是可看作是加权求和的过程,使用到的图像区域中的每个像素分别与卷积核(权矩阵)的每个元素对应相乘,所有乘积之和作为区域中心像素的新值。
卷积示例:3 * 3 的像素区域R与卷积核G的卷积运算:R5(中心像素)=R1G1 + R2G2 + R3G3 + R4G4 + R5G5 + R6G6 + R7G7 + R8G8 + R9G9如果对一幅图像进行卷积运算,可利用以数组为中心为参考点的3*3卷积核。
首先将核的参考点定位于图像的第一个像素点,核的其余元素覆盖图像总其对应的局部像素点。
对于每一个核点,我们可以得到这个点的值以及图像中对应图像点的值。
将这些值相乘并求和,并将这个结果放在与输入图像参考点所对应的位置。
通过在整个图像上扫描卷积核,对图像的每个点重复此操作。
最终可以得到图像的卷积图像。
当然,我们可以利用方程表示这个过程,定义图像为I(x,y),核为G(i,y)(其中0<i<Mi-1,0<j<Mj-1) 参考点位于(ai,aj)坐标上,则卷积H(x,y)定义如下:H(x,y) = sum[ I(x+i-ai,y+j-aj)G(i,j)].卷积是各种图像变换的基础,一个特殊卷积所实现的功能是由其卷积核(模板)的形式决定的。
高斯变换就是用高斯函数对图像进行卷积。
平滑处理:平滑类型:简单模糊(对邻域求和,并缩放),简单无缩放变换的模糊(对邻域求和),中值模糊(中值滤波),高斯模糊(高斯卷积),双边模糊(双线性滤波)。
在求取窗口w内的像元灰度和时,不管窗口W的大小如何,均可利用积分图像的4个对应点(i1,j1)(i2,j2)(i3,j3)(i4,j4)的值计算的到。