当前位置: 首页>编程语言>正文

33均值滤波 matlab 3×3均值滤波 计算题

目录

相关滤波—均匀权重

相关滤波—非均匀权重


相关滤波—均匀权重

因此,上一篇文章所做的数学运算被称为相关或相关滤波。

而我们刚刚做的是我们用均匀的权重做到的。具体的公式如下:

33均值滤波 matlab 3×3均值滤波 计算题,33均值滤波 matlab 3×3均值滤波 计算题_33均值滤波 matlab,第1张

我们上一篇文章用的就是平均窗口,它的大小是3*3,这里用2k+1 * 2k+1来表示。

记住这是奇数,如果k是3,那就是7×7。如图:

33均值滤波 matlab 3×3均值滤波 计算题,33均值滤波 matlab 3×3均值滤波 计算题_机器学习_02,第2张

我们要做的是我们要循环遍历所有的像素在某个位置

33均值滤波 matlab 3×3均值滤波 计算题,33均值滤波 matlab 3×3均值滤波 计算题_33均值滤波 matlab_03,第3张

是行和列。如图:(循环遍历图像像素

附近的所有像素)

33均值滤波 matlab 3×3均值滤波 计算题,33均值滤波 matlab 3×3均值滤波 计算题_权值_04,第4张

我们循环所有的 u 和 v 从 -k 到 +k,把所有的像素加起来。如图:

33均值滤波 matlab 3×3均值滤波 计算题,33均值滤波 matlab 3×3均值滤波 计算题_机器学习_05,第5张

然后,因为我们有均匀的权值,这里的权值是1,我们把整个数除以滤波器的权值。

33均值滤波 matlab 3×3均值滤波 计算题,33均值滤波 matlab 3×3均值滤波 计算题_权值_06,第6张

如果k=1,奇数窗口就是3*3,把9个数字加起来除以9,得到平均值。

但那是均匀的权重,我会不再使用均匀滤波器。所以,我们将在这里做一些完全不同的事情。

相关滤波—非均匀权重

我们要做的就是做一些所谓的非均匀权重。

现在概括为根据相邻像素的相对位置允许不同的权重:

33均值滤波 matlab 3×3均值滤波 计算题,33均值滤波 matlab 3×3均值滤波 计算题_机器学习_07,第7张

这意味着,在每个位置上我们的权值将不同于除以

33均值滤波 matlab 3×3均值滤波 计算题,33均值滤波 matlab 3×3均值滤波 计算题_机器学习_08,第8张

。所以这些非均匀的权值被写成

33均值滤波 matlab 3×3均值滤波 计算题,33均值滤波 matlab 3×3均值滤波 计算题_权值_09,第9张

。如图:

33均值滤波 matlab 3×3均值滤波 计算题,33均值滤波 matlab 3×3均值滤波 计算题_权重_10,第10张

33均值滤波 matlab 3×3均值滤波 计算题,33均值滤波 matlab 3×3均值滤波 计算题_权重_11,第11张

 就是你要用的权值,仍然是整个式子的一部分,但是现在这些不同的权值会随着滤波器的移动而应用。

33均值滤波 matlab 3×3均值滤波 计算题,33均值滤波 matlab 3×3均值滤波 计算题_33均值滤波 matlab_12,第12张

这个操作就称为相关或互相关,表示为

33均值滤波 matlab 3×3均值滤波 计算题,33均值滤波 matlab 3×3均值滤波 计算题_33均值滤波 matlab_13,第13张

。我们认为G是H与F的相关或互相关。

顺便提一下,这个H被很多东西所引用。

它被称为一个内核,它被称为掩码,它被称为系数。

它只是使用在线性权重的矩阵。

顺便说一句,如果你们中的任何一个人参加过机器学习课程,而且你们已经开始学习机器学习内核和内核技巧了。

这里有一个非常微小的关系,但实际上它是一个完全不同的东西。

我们正在考虑将这些内核作为我们进行计算的掩码。

加深理解视频:
https://www.youtube.com/watch?v=C3EEy8adxvc

对于公式中的双 

 的正确计算:

https://www.youtube.com/watch?v=24G2E_ktXUs


——学会编写自己的代码,才能练出真功夫。


https://www.xamrdz.com/lan/5dm1957302.html

相关文章: