什么是空间域图像滤波?
过滤是一种修改或增强图像的技术。例如,您可以过滤图像以强调某些特征或删除其他特征。使用滤波实现的图像处理操作包括平滑、锐化和边缘增强。
过滤是一个社区行动,其中,输出图像中任何给定像素的值是通过应用某种算法来确定对应输入像素的邻域像素的值。像素的邻域是一组像素,由它们相对于像素的位置定义。(见邻域或块处理:概述关于社区运作的一般性讨论。)线性滤波在这种过滤中,输出像素的值是输入像素邻域像素值的线性组合。
卷积
图像的线性滤波是通过一个叫做卷积.卷积是一种邻域运算,其中每个输出像素是相邻输入像素的加权和。这个权重矩阵叫做卷积核,也被称为过滤器.卷积核是旋转了180度的相关核。
例如,假设图像是
A = [17 24 18 15 23 5 7 14 16 4 6 13 20 22 10 12 19 21 3 11 18 25 2 9]
相关核是
H = [8 1 6 3 5 7 4 9 2]
你将使用以下步骤来计算位置(2,4)的输出像素:
围绕其中心元素旋转相关核180度以创建卷积核。
滑动卷积核的中心元素,使其位于(2,4)的元素之上
一个
.的像素乘以旋转卷积核中的每个权值
一个
在下面。将步骤3中的各个产物相加。s manbetx 845
因此(2,4)输出像素为
如下图所示。
计算卷积的(2,4)输出
相关
这个操作叫做相关与卷积密切相关。在相关中,输出像素的值也作为相邻像素的加权和计算。区别在于权重矩阵,在这种情况下叫做相关的内核,在计算过程中不会旋转。图像处理工具箱™过滤器设计函数返回相关内核。
的相关性(2,4)输出像素的计算如下图所示一个
,假设h
是一个相关核而不是卷积核,使用以下步骤:
滑动相关核的中心元素,使其位于A的(2,4)元素之上。
的像素乘以相关核中的每个权重
一个
在下面。把各个乘积相加。s manbetx 845
相关性的(2,4)输出像素为
计算相关性的(2,4)输出