【笔记】视觉算法——图像平滑

时域平滑

  • 每幅图像都包含某种程度的噪声,可以将噪声看成灰度值的随机变化。
    \hat{g_{r,c}}=g_{r,c}+n_{r,c}
    g_{r,c}表示rc列真正的像素值,n_{r,c}表示噪声。我们可以认为噪声是服从均值为0,方差为\sigma 的正态分布。
    原始图像

    因此我们可以利用不同时间采集得到的多福图像,对真实像素进行估计,即:
    g_{r,c}=\frac{1}{n}\sum_{i=1}^n\hat{g_{r,c}};i

根据概率论可知方差变为原来的\frac{1}{n}.

多幅图求均值.png

  • 时域平均法的缺点就是多幅图像才能进行噪声抑制。在对速度要求很高的情况下并不适用。

空间平均法

g_{r,c}=\frac{1}{(2n+1)(2m+1)}\sum_{i=-n}^n \sum_{j=-m}^m \hat{g}_{r-i,c-j}

  • 也被称为均值滤波器,在(2n+1)(2m+1)的窗口中进行平滑操作。噪声方差下降到原来的\frac{1}{(2n+1)(2m+1)}.但是空间平均法平滑的边界没有时域的锐利

    空间平均法.png

  • 如果我们单纯按照此方法进行均值滤波,需要(2n+1)(2m+1)次操作。因此我们应当降低运算次数。采用加法结合律
    g_{r,c}=\frac{1}{(2n+1)(2m+1)}\sum_{i=-n}^n \left( \sum_{j=-m}^m \hat{g}_{r-i,c-j} \right)
    因为有一部分是计算重复的,我们可以先计算所有局部的列相加的和保存到一个临时图像中。然后在临时图像中将所有行相加。所以复杂度从O(whnm)下降到O(wh(n+m))这种滤波器有它独特的名字:可分滤波器。其实还有更快的方法。
    如果用t_{rc}表示纵向的和。就有:
    t_{r,c}=\sum_{j=-m}^m \hat{g}_{r,c-j}=t_{r,c-1} +\hat{g}_{r,c+m}- \hat{g}_{r,c-m-1}

  • r,c处的和可以基于已经计算出来的位置(r,c-1)处的和以及两次加法得到。这个规则同样适用于横向。这个规则下,我们只需要在第一列和第一行上计算完整的和。时间复杂度下降到了O(wh)。这种重要的变换也有自己的重要的名字。叫做递归滤波器。均值滤波器是线性滤波器的一个例子。线性滤波器可用卷积操作来计算。一维卷积操作为:
    f*h=(f*h)(x)= \int_{- \infty}^{\infty} f(t)h(x-t)dt

  • 这里f表示图像函数。滤波器为h。此函数被称为掩码卷积和。同理二维卷积操作为:
    f*h=(f*h)(r,c)= \int_{- \infty}^{\infty} \int_{- \infty}^{\infty}f(u,v)h(r-u,c-v)dudv

  • 对于离散域上的函数。积分被求和取代。
    f*h= \sum_{i=- \infty}^{\infty} \sum_{j=- \infty}^{\infty}f_{i,j}h_{r-i,j-c}

  • 卷积核可以分解为h_{r,c}=s(r)t(c)。可以提出因子s
    f*h= \sum_{i=- \infty}^{\infty} \sum_{j=- \infty}^{\infty}f_{i,j}h_{r-i,j-c}= \sum_{i=- \infty}^{\infty} \sum_{j=- \infty}^{\infty}f_{i,j}s_{r-i}t_{c-j} = \sum_{i=- \infty}^{\infty}s_{r-i} \left( \sum_{i=- \infty}^{\infty}f_{i,j}t_{c-j} \right)

  • 递归滤波器与均值滤波器有相同的速度优势。运行时间和滤波器的尺寸无关

参考:《机器视觉算法与应用》

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,561评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,218评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,162评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,470评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,550评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,806评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,951评论 3 407
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,712评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,166评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,510评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,643评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,306评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,930评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,745评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,983评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,351评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,509评论 2 348

推荐阅读更多精彩内容

  •   本节主要目的是介绍图像增强的一些基本概念。来源于东北大学 魏颖教授的数字图像课程笔记。 本节要点image 直...
    小小何先生阅读 4,482评论 1 2
  • (数字图像冈萨雷斯第二版教材)纯手打!给个赞吧! 一、基本原理 图像的读取、存储操作: 图像显示的⽅法及区别: 图...
    愉快先生阅读 6,577评论 0 6
  • 本博客内容来源于网络以及其他书籍,结合自己学习的心得进行重编辑,因为看了很多文章不便一一标注引用,如图片文字等侵权...
    开飞机的乔巴阅读 8,522评论 1 8
  • 近段小儿夜夜睡梦中叫妈妈,呓语:我腿疼,我腿疼,揉揉,揉揉……只要我停下来,他嘴里就会发出啧啧无奈的声音。...
    zpj暖暖的爱阅读 225评论 0 1
  • 昨天的天空下 飘荡的是雀跃的祥云 今天的云端里 却流动着不甘的泪花 巍巍的山岗 却托不起我轻柔的脊梁 滚滚的河水里...
    鸵鸟不低头阅读 229评论 0 0