这是一个很好的参考。
离散后,距离大于3 sigma的像素的权重可忽略不计。看到这个
正如已经指出的,6sigma意味着3sigma双向
由于上面的点1和2,用于滤波的卷积矩阵的大小将不经意地为6sigma x 6sigma。
在这里,如何获得离散的高斯。
最后,标准偏差的大小(以及因此使用的内核)取决于您怀疑图像中有多少噪声。显然,较大的卷积核意味着与较小的核相比,更多的像素会为中心像素的新值做出贡献。
0
0
遮罩的size
决定了过滤量。对应于较大卷积掩码的较大size
通常将导致更大程度的过滤。作为更大程度减少噪点的一种折衷,较大的滤镜也会影响图像的细节质量。
这是一个里程碑。现在进入Gaussian filter
, standard deviation
是主要参数。如果使用2D滤镜,则在蒙版的边缘可能会希望权重接近0 。
就此而言,正如我已经说过的,您可以选择尺寸通常为standard deviation
三倍的蒙版。这样,几乎考虑了整个高斯钟形,并且在蒙版的边缘,您的权重将渐近趋于零。
我希望这有帮助。
0
高斯平滑是常见的图像处理功能,有关高斯滤波的介绍,请参阅此处 。正如我们所看到的,一个参数:标准推导将确定高斯函数的形状。但是,当我们使用高斯滤波进行卷积时,另一个参数:高斯滤波器的窗口大小也应同时确定。例如,当我们使用MATLAB提供的
fspecial
函数时,不仅必须提供标准推导,而且还必须提供窗口大小。凭直觉,高斯标准推导越大,高斯核窗口应越大。但是,关于如何设置正确的窗口大小,没有通用的规则。有任何想法吗?谢谢!