计算机视觉基础~图像预处理(中)

5.1梯度Prewitt滤波/卷积 

水平梯度/垂直边缘
计算机视觉基础~图像预处理(中)_第1张图片

 垂直梯度/水平边缘

计算机视觉基础~图像预处理(中)_第2张图片

5.2梯度Sobel滤波/卷积 

梯度Sobel滤波/卷积 

计算机视觉基础~图像预处理(中)_第3张图片

垂直梯度/水平边缘
计算机视觉基础~图像预处理(中)_第4张图片

5.3梯度Laplacian滤波/卷积 

二阶微分算子   一阶导数极值

\large \Delta f=\frac{\partial^2 f}{\partial x^2}+\frac{\partial^2f }{\partial y^2}

作用:

团块检测:周边高于(低于)中心

边缘检测:像素值快速变化的区域

计算机视觉基础~图像预处理(中)_第5张图片计算机视觉基础~图像预处理(中)_第6张图片

Laplacian滤波锐化:做差运算

计算机视觉基础~图像预处理(中)_第7张图片

其他滤波:

计算机视觉基础~图像预处理(中)_第8张图片
 如何让卷积更快:空域卷积=频域乘积 

计算机视觉基础~图像预处理(中)_第9张图片

6.图像金字塔

图像金字塔化:先进行图像平滑,再进行降采样,根据降采样率,得到一系列尺寸逐渐减小的图像。 

操作:操作:n次(高斯卷积->2倍降采样)->n层金字塔

目的:捕捉不同尺寸的物体
计算机视觉基础~图像预处理(中)_第10张图片 

直接降采样会损失信息,所以在降采样之前要进行高斯滤波

高斯金字塔本质上是信号的多尺度表示法

计算机视觉基础~图像预处理(中)_第11张图片

计算机视觉基础~图像预处理(中)_第12张图片

拉普拉斯金字塔

高频细节信息在卷积和下采样中丢失 

保留所有层所丢失的高频信息,用于图像恢复

计算机视觉基础~图像预处理(中)_第13张图片

高斯金字塔和拉普拉斯金字塔往往配合使用

计算机视觉基础~图像预处理(中)_第14张图片

 

 

你可能感兴趣的:(Computer,Vision)