图像空间滤波数学基础—Apple的学习笔记

1.  卷积

是图像的加权叠加。是向量的内积。AX=b形式

2.  图像锐化

主要目的是突出图像中的细节或者增强被模糊了的细节

3.  图像梯度

梯度的方向是函数f(x,y)变化最快的方向，当图像中存在边缘时，一定有较大的梯度值，相反，当图像中有比较平滑的部分时，灰度值变化较小，则相应的梯度也较小。经典的图像梯度算法是考虑图像的每个像素的某个邻域内的灰度变化，利用边缘临近的一阶或二阶导数变化规律，对原始图像中像素某个邻域设置梯度算子，通常我们用小区域模板进行卷积来计算，有Sobel算子、Robinson算子、Laplace算子等

4.  相关算子

5.  拉普拉斯算子

拉普拉斯算子会突出像素值快速变化的区域，因此常用于边缘检测。

普拉斯算子是n维欧式空间的一个二阶微分算子。它定义为两个梯度向量算子的内积

参考

https://blog.csdn.net/iaccepted/article/details/41869685

https://blog.csdn.net/kuaile20/article/details/17193533

https://blog.csdn.net/qq_18815817/article/details/78625845