SIFT解析(一)高斯模糊
"模糊"的算法有很多种,其中有一种叫做"高斯模糊"(Gaussian Blur)。它将正态分布(又名"高斯分布")用于图像处理。
所谓"模糊",可以理解成每一个像素都取周边像素的平均值。
正态分布
正态分布中,越接近中心点,取值越大,越远离中心,取值越小。
计算平均值的时候,我们只需要将"中心点"作为原点,其他点按照其在正态曲线上的位置,分配权重,就可以得到一个加权平均值。正态分布显然是一种可取的权重分配模式。
1.3.2 高斯函数
如何反映出正态分布?则需要使用高函数来实现。
上面的正态分布是一维的,而对于图像都是二维的,所以我们需要二维的正态分布。
高斯滤波器是均值滤波器的高级版本,唯一的区别在于,均值滤波器的卷积核的每个元素都相同,而高斯滤波器的卷积核的元素服从高斯分布。
高斯滤波器是基于二维的高斯分布函数,因此首先介绍二维高斯分布函数。二维高斯分布函数和图如下:
有了这个函数 ,就可以计算每个点的权重了。
在图像滤波中我们也简要谈了一下高斯滤波:
图像滤波
1.3.3 获取权重矩阵
假定中心点的坐标是(0,0),那么距离它最近的8个点的坐标如下:
为了计算权重矩阵,需要设定σ的值。假定σ=1.5,
则模糊半径为1的权重矩阵如下:
这9个点的权重总和等于0.4787147(九个点相加),如果只计算这9个点的加权平均,还必须让它们的权重之和等于1,因此上面9个值还要分别除以0.4787147,得到最终的权重矩阵。
除以总值这个过程也叫做”归一问题“
目的是让滤镜的权重总值等于1。否则的话,使用总值大于1的滤镜会让图像偏亮,小于1的滤镜会让图像偏暗。
计算模糊值
有了权重矩阵,就可以计算高斯模糊的值了。
假设现有9个像素点,灰度值(0-255)如下:
每个点乘以自己的权重值:
得到
将这9个值加起来,就是中心点的高斯模糊的值。
对所有点重复这个过程,就得到了高斯模糊后的图像。对于彩色图片来说,则需要对RGB三个通道分别做高斯模糊。
最新文章
- 在centos7上安装ClamAV杀毒,并杀毒(centos随机英文10字母)成功
- [django]表格的添加与删除实例(可以借鉴参考)
- 【来至百度百科】linux文件结构
- android:descendantFocusability=”blocksDescendants”的用法
- SecureCRT设置
- PHP创建XML文件讲解
- 免费的HTML5连载来了《HTML5网页开发实例详解》连载(六)媒体查询
- java poi出excel换行问题
- jsp简易文件上传(common.fileupload)
- 【LeetCode练习题】Unique Paths
- MySQL filesort优化案例一则
- C#:继承多态的方法实现数的简单加减乘除运算
- Xcode旧项目引入CocoaPod遇到的问题与解决
- 201521123079《java程序设计》第12周学习总结
- 学习札记 ----wind7下如何安装SqlServer数据库
- 根据URL下载图片至客户端、服务器实例
- 获取IP Address
- MTU介绍以及在windows和linux下怎么设置MTU值
- 【转】HashMap集合中key只能为引用数据类型,不能为基本类型
- 网络传输数据序列化工具Protostuff