图像处理中滤波(filtering)与卷积(convolution)的区别
2018-03-12 13:13
330 查看
本人转自 http://blog.csdn.net/haoji007/article/details/53911940 图像处理中滤波和卷积是常用到的操作。很多人认为卷积就是滤波,两者并无区别,其实不然。两者在原理上相似,但是在实现的细节上存在一些区别。这篇博文主要叙述这两者之间的区别。
![](https://oscdn.geek-share.com/Uploads/Images/Content/201612/b7531d8f14c013f95951eefac140057e)
那么像素(i,j)的滤波后结果可以根据以下公式计算:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201612/70fb787fc8c9fc9709b6e48a4bb0d207)
其中G(i,j)是图片中(i,j)位置像素经过滤波后的像素值。当掩膜中心m5位置移动到图像(i,j)像素位置时,图像(i,j)位置像素称为锚点。滤波步骤:对原始图像的边缘进行某种方式的填充(一般为0填充)。
将掩膜划过整幅图像,计算图像中每个像素点的滤波结果。
依照这个步骤,假设我们有一个二维矩阵I,掩膜M,则滤波的结果如下:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201612/70c0eaf5dc038f22935aa2fe645dccad)
滤波后的图像大小不变。
![](https://oscdn.geek-share.com/Uploads/Images/Content/201612/3b5321e328d9c97182300d20797a698a)
卷积步骤:180度翻转卷积核。
不做边界填充,直接对图像进行相应位置乘积和。
从以上步骤可以看出,如果卷积核不是中心对称的,那么卷积和滤波操作将会得到完全不一样的结果。另外,卷积操作会改变图像大小!
由于卷积操作会导致图像变小(损失图像边缘),所以为了保证卷积后图像大小与原图一致,经常的一种做法是人为的在卷积操作之前对图像边缘进行填充。
最后,关于卷积后图像尺寸的计算:假设原始图像为M*M,卷积核大小为N*N,边缘填充像素个数为pad,步长为stride。则卷积后图像的尺寸变为:m =(M-N+2*pad)/sride+1。
1、滤波
简单来说,滤波操作就是图像对应像素与掩膜(mask)的乘积之和。比如有一张图片和一个掩膜,如下图:那么像素(i,j)的滤波后结果可以根据以下公式计算:
其中G(i,j)是图片中(i,j)位置像素经过滤波后的像素值。当掩膜中心m5位置移动到图像(i,j)像素位置时,图像(i,j)位置像素称为锚点。滤波步骤:对原始图像的边缘进行某种方式的填充(一般为0填充)。
将掩膜划过整幅图像,计算图像中每个像素点的滤波结果。
依照这个步骤,假设我们有一个二维矩阵I,掩膜M,则滤波的结果如下:
滤波后的图像大小不变。
2、卷积
卷积的原理与滤波类似。但是卷积却有着细小的差别。卷积操作也是卷积核与图像对应位置的乘积和。但是卷积操作在做乘积之前,需要先将卷积核翻转180度,之后再做乘积。卷积步骤:180度翻转卷积核。
不做边界填充,直接对图像进行相应位置乘积和。
从以上步骤可以看出,如果卷积核不是中心对称的,那么卷积和滤波操作将会得到完全不一样的结果。另外,卷积操作会改变图像大小!
由于卷积操作会导致图像变小(损失图像边缘),所以为了保证卷积后图像大小与原图一致,经常的一种做法是人为的在卷积操作之前对图像边缘进行填充。
最后,关于卷积后图像尺寸的计算:假设原始图像为M*M,卷积核大小为N*N,边缘填充像素个数为pad,步长为stride。则卷积后图像的尺寸变为:m =(M-N+2*pad)/sride+1。
相关文章推荐
- 图像处理中滤波(filtering)与卷积(convolution)的区别
- 图像的复原与重建(4):图像处理中滤波(filtering)与卷积(convolution)的区别
- 图像处理中滤波(filtering)与卷积(convolution)的区别
- 图像处理-图像滤波和卷积的区别(filter、conv)
- 影像卷积和滤波运算(高斯滤波模板) 分类: 图像处理(转载) 2014-08-26 21:44 200人阅读 评论(0) 收藏
- 图像处理基本概念——卷积,滤波,平滑
- 图像处理基本概念——卷积,滤波,平滑
- 图像处理之双边滤波效果(Bilateral Filtering for Gray and Color Image)
- 图像处理基本概念——卷积,滤波,平滑
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
- 图像处理之基础---卷积,滤波,平滑
- 图像处理之双边滤波效果(Bilateral Filtering for Gray and Color Image)
- 图像处理线性滤波(基础算子、卷积、拉普拉斯)
- OpenCV图像处理教程C++(十四)卷积算子、自定义线性滤波以及边缘处理
- 图像处理基本概念——卷积,滤波,平滑
- 图像处理基本概念——卷积,滤波,平滑
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
- 图像卷积和滤波的区别
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)
- 图像处理中的线性滤波算法与非线性滤波算法的区别、高斯噪声与椒盐噪声的区别及各自的特点