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:
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:
我们要做的是我们要循环遍历所有的像素在某个位置
是行和列。如图:(循环遍历图像像素
附近的所有像素)
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:
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。
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:
这意味着,在每个位置上我们的权值将不同于除以
。所以这些非均匀的权值被写成
。如图:
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。
这个操作就称为相关或互相关,表示为
。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。