Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >数字图像处理中常见的变换核及其用途

数字图像处理中常见的变换核及其用途

作者头像
zy010101
发布于 2020-03-18 09:15:48
发布于 2020-03-18 09:15:48
1.7K0
举报
文章被收录于专栏:程序员程序员

首先,得明白一件事儿,那就是图像滤波是什么?百度百科是这样说的:

图像滤波,即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预处理中不可缺少的操作,其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。

由于成像系统、传输介质和记录设备等的不完善,数字图像在其形成、传输记录过程中往往会受到多种噪声的污染。另外,在图像处理的某些环节当输入的像对象并不如预想时也会在结果图像中引入噪声。

所以,我们需要进行图像滤波操作。来使得图像的质量更好,或者是修复图像。

数字图像处理中滤波可以分为线性滤波和非线性滤波。

线性滤波是最基本的方法,是一种算术运算,即用加减乘除等运算实现,如均值滤波器(模板内像素灰度值的平均值)、高斯滤波器(高斯加权平均值)等。线性滤波器是算术运算,有固定的模板,因此有固定的变换核。它方便了我们计算,但是它的缺点也很明显,那就是线性滤波总会以某种方式模糊图像细节(如边缘等)进而导致像线性特征的定位精度及特征的可抽取性降低。

非线性滤波是基于对输入信号的一种非线性映射关系,常可以把某一特定的噪声近似地映射为零而保留信号的要特征,因而其在一定程度上能克服线性滤波器的不足之处。但是非线性滤波的变换核不是确定的,不方便计算。

卷积

我们的图像本身就是一个矩阵,而变换核也是一个矩阵,那么我们将图像矩阵和变换核做卷积运算就算是完成了线性滤波操作。卷积计算:对于图像的每一个像素点,计算它的邻域像素和变换核的对应元素的乘积,然后加起来,作为该像素位置的值。这样就完成了滤波过程。

1)滤波器的大小应该是奇数,这样它才有一个中心,例如3x3,5x5或者7x7。有中心了,也有了半径的称呼,例如5x5大小的核的半径就是2。

2)滤波器矩阵所有的元素之和应该要等于1,这是为了保证滤波前后图像的亮度保持不变。当然了,这不是硬性要求了。

3)如果滤波器矩阵所有元素之和大于1,那么滤波后的图像就会比原图像更亮,反之,如果小于1,那么得到的图像就会变暗。如果和为0,图像不会变黑,但也会非常暗。

4)对于滤波后的结构,可能会出现负数或者大于255的数值。对这种情况,我们将他们直接截断到0和255之间即可。对于负数,也可以取绝对值。

为了保证滤波前后图片大小不变,我们一般使用补0填充的方式来使得滤波前后图像尺寸一致。例如:

1 2 3

4 5 6

7 8 9

经过填充以后如下:

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

常见卷积核及意义

一个没有任何作用的卷积核

卷积核:

将原像素中间像素值乘1,其余全部乘0,显然像素值不会发生任何变化。

平滑均值滤波

卷积核:

该卷积核的作用在于取九个值的平均值代替中间像素值,所以起到的平滑的效果:

高斯平滑

卷积核:

高斯平滑水平和垂直方向呈现高斯分布,更突出了中心点在像素平滑后的权重,相比于均值滤波而言,有着更好的平滑效果。

图像锐化

卷积核:

该卷积利用的其实是图像中的边缘信息有着比周围像素更高的对比度,而经过卷积之后进一步增强了这种对比度,从而使图像显得棱角分明、画面清晰,起到锐化图像的效果。

梯度Prewitt

梯度Prewitt卷积核与Soble卷积核的选定是类似的,都是对水平边缘或垂直边缘有比较好的检测效果。

Soble边缘检测:

Soble与上述卷积核不同之处在于,Soble更强调了和边缘相邻的像素点对边缘的影响。

梯度Laplacian

卷积核:

Laplacian也是一种锐化方法,同时也可以做边缘检测,而且边缘检测的应用中并不局限于水平方向或垂直方向,这是Laplacian与soble的区别。

一张用拉普拉斯算子算子锐化以后的图像如下:

参考博客:https://www.cnblogs.com/xiaojianliu/p/9075872.html

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
图像卷积与滤波参考资料:
首先,我们有一个二维的滤波器矩阵(有个高大上的名字叫卷积核)和一个要处理的二维图像。然后,对于图像的每一个像素点,计算它的邻域像素和滤波器矩阵的对应元素的乘积,然后加起来,作为该像素位置的值。这样就完成了滤波过程。 注意:卷积和协相关的差别是,卷积需要先对滤波矩阵进行180的翻转,但如果矩阵是对称的,那么两者就没有什么差别了。
keloli
2018/09/13
1.2K0
理解图像卷积操作的意义
chaibubble
2018/01/02
4.1K0
理解图像卷积操作的意义
数字图像处理知识点总结概述
1.直方图:一幅图像由不同灰度值的像素组成,图像中灰度的分布情况是该图像的一个重要特征。图像的灰度直方图就描述了图像中灰度分布情况,能够很直观的展示出图像中各个灰度级所占的多少。图像的灰度直方图是灰度级的函数,描述的是图像中具有该灰度级的像素的个数:其中,横坐标是灰度级,纵坐标是该灰度级出现的频率。
小白学视觉
2022/09/28
2K0
理解图像中卷积操作的含义
大家好,又见面了,我是你们的朋友全栈君。 原文地址:https://blog.csdn.net/chaipp0607/article/details/72236892?locationNum=9
全栈程序员站长
2022/09/01
1K0
理解图像中卷积操作的含义
图像处理-图像滤波
加性噪声一般指热噪声、散弹噪声等,它们与信号的关系是相加,不管有没有信号,噪声都存在。
AomanHao
2022/01/14
6K0
模板运算和常见滤波操作
首先我们把所有图像看作矩阵。 模板一般是nxn(n通常是3、5、7、9等很小的奇数)的矩阵。模板运算基本思路:将原图像中某个像素的值,作为它本身灰度值和其相邻像素灰度值的函数。模板中有一个锚点(anchor point),通常是矩阵中心点,和原图像中待计算点对应;整个模板对应的区域,就是原图像中像素点的相邻区域。模板也称为核(kernel)。
用户2965768
2018/08/30
2.2K0
【数字图像】数字图像滤波处理的奇妙之旅
数字图像处理是一门涉及获取、处理、分析和解释数字图像的科学与工程领域。这一领域的发展源于数字计算机技术的进步,使得对图像进行复杂的数学和计算处理变得可能。以下是数字图像处理技术的主要特征和关键概念
SarPro
2024/02/20
3320
【数字图像】数字图像滤波处理的奇妙之旅
数字图像处理学习笔记(十)——空间滤波
其中,m=2a+1,n=2b+1, w(s,t)是滤波器系数,f(x,y)是图像值。一般来说最小尺寸是3。
荣仔_最靓的仔
2021/02/02
2.9K0
数字图像处理学习笔记(十)——空间滤波
理解图像卷积操作的意义
卷积一词最开始出现在信号与线性系统中,信号与线性系统中讨论的就是信号经过一个线性系统以后发生的变化。由于现实情况中常常是一个信号前一时刻的输出影响着这一时刻的输出,所在一般利用系统的单位响应与系统的输入求卷积,以求得系统的输出信号(当然要求这个系统是线性时不变的)。 卷积的定义: 卷积是两个变量在某范围内相乘后求和的结果。如果卷积的变量是序列x(n)和h(n),则卷积的结果:
全栈程序员站长
2022/09/01
1.2K0
[有意思的数学] 傅里叶变换和卷积与图像滤波的关系 (2)
昨天简单介绍了Fourier变换和卷积的概念,有了一个基本的认识之后,再看图像滤波,就不会觉得那么莫名其妙了。图像滤波这其实也是个大坑,里面涉及的东西很多,想通过今天这篇文章一下都掌握了,基本是不可能的。所以我这里就是给新手一个方向,如果想做图像方面的研究,该如何下手,然后怎么继续研究。但是我会尽力把涉及的点都提到,我觉得肯花时间来看我写的这篇文章,肯定是个好学好动手的好孩子。所以看完这个之后,最好再百度or Google一下,找点相关的资料,然后亲手动手实践一下就最好了,这样就有了一个全面的认识。 图像
用户1622570
2018/04/11
2.5K0
[有意思的数学] 傅里叶变换和卷积与图像滤波的关系 (2)
图像处理算法其实都很简单「建议收藏」
大家好,又见面了,我是你们的朋友全栈君。要学习高斯模糊我们首先要知道一些基本概念:
全栈程序员站长
2022/08/30
6260
图像处理算法其实都很简单「建议收藏」
图像卷积与滤波的一些知识点
之前在学习CNN的时候,有对卷积进行一些学习和整理,后来就烂尾了,现在稍微整理下,先放上来,以提醒和交流。
bear_fish
2018/09/19
1.3K0
图像卷积与滤波的一些知识点
机器视觉检测中的图像预处理方法
本文以Dalsa sherlock软件为例,一起来了解一下视觉检测中平滑模糊的图像处理方法。
智能算法
2020/08/28
2.9K0
机器视觉检测中的图像预处理方法
【数字图像】数字图像锐化处理的奇妙之旅
数字图像处理是一门涉及获取、处理、分析和解释数字图像的科学与工程领域。这一领域的发展源于数字计算机技术的进步,使得对图像进行复杂的数学和计算处理变得可能。以下是数字图像处理技术的主要特征和关键概念:
SarPro
2024/02/20
4210
【数字图像】数字图像锐化处理的奇妙之旅
OpenCV基础 | 7.滤波
均值滤波是低通滤波,线性滤波器,其输出为邻域模板内像素的平均值,用于图像的模糊和降噪。
快学Python
2021/08/09
5280
图像处理算法 之 滤波 模糊(基于OpenCV)
高斯噪声是指幅值的概率密度函数服从高斯分布的噪声,如果其功率谱密度服从均匀分布,则为高斯白噪声。
233333
2020/11/11
9920
图像处理算法 之 滤波 模糊(基于OpenCV)
详解图像滤波原理及实现!
图像的实质是一种二维信号,滤波是信号处理中的一个重要概念。在图像处理中,滤波是一常见的技术,它们的原理非常简单,但是其思想却十分值得借鉴,滤波是很多图像算法的前置步骤或基础,掌握图像滤波对理解卷积神经网络也有一定帮助。
Datawhale
2020/07/02
4.8K0
详解图像滤波原理及实现!
一文轻松学会图形失真修复-图像去噪滤波算法汇总(Python)
看完本篇文章的所有操作和实践,就不需要去花钱修复照片了自己也能做到而且保证十分便捷!本篇文章将介绍常用到的图像去噪滤波算法,采用实例代码和处理效果一并展现的方式进行介绍,能够更直观的看到每种算法的效果。本篇文章偏实战,所以不会涉及到过多每种算法的原理理论计算公式,以一篇文章快速了解并实现这些算法,以效率最高的方式熟练这些知识。
fanstuck
2024/01/24
2.2K0
一文轻松学会图形失真修复-图像去噪滤波算法汇总(Python)
荐读:FPGA设计经验之图像处理
大侠好,欢迎来到FPGA技术江湖,江湖偌大,相见即是缘分。大侠可以关注FPGA技术江湖,在“闯荡江湖”、"行侠仗义"栏里获取其他感兴趣的资源,或者一起煮酒言欢。
FPGA技术江湖
2020/12/29
1.5K0
荐读:FPGA设计经验之图像处理
数字图像处理必备基本知识
数字图像,又称为数码图像或数位图像,是二维图像用有限数字数值像素的表示。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。
小白学视觉
2022/02/14
1.4K1
数字图像处理必备基本知识
相关推荐
图像卷积与滤波参考资料:
更多 >
交个朋友
加入腾讯云官网粉丝站
蹲全网底价单品 享第一手活动信息
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档