【笔记】视觉算法——图像平滑

时域平滑

每幅图像都包含某种程度的噪声，可以将噪声看成灰度值的随机变化。
$\hat{g_{r,c}}=g_{r,c}+n_{r,c}$
$g_{r,c}$ 表示 $r$ 行 $c$ 列真正的像素值， $n_{r,c}$ 表示噪声。我们可以认为噪声是服从均值为0，方差为 $\sigma$ 的正态分布。

原始图像

因此我们可以利用不同时间采集得到的多福图像，对真实像素进行估计，即：
$g_{r,c}=\frac{1}{n}\sum_{i=1}^n\hat{g_{r,c}};i$

根据概率论可知方差变为原来的 $\frac{1}{n}$ .

多幅图求均值.png

时域平均法的缺点就是多幅图像才能进行噪声抑制。在对速度要求很高的情况下并不适用。

空间平均法

$g_{r,c}=\frac{1}{(2n+1)(2m+1)}\sum_{i=-n}^n \sum_{j=-m}^m \hat{g}_{r-i,c-j}$

也被称为均值滤波器，在 $(2n+1)(2m+1)$ 的窗口中进行平滑操作。噪声方差下降到原来的 $\frac{1}{(2n+1)(2m+1)}$ .但是空间平均法平滑的边界没有时域的锐利。

空间平均法.png
如果我们单纯按照此方法进行均值滤波，需要 $(2n+1)(2m+1)$ 次操作。因此我们应当降低运算次数。采用加法结合律：
$g_{r,c}=\frac{1}{(2n+1)(2m+1)}\sum_{i=-n}^n \left( \sum_{j=-m}^m \hat{g}_{r-i,c-j} \right)$
因为有一部分是计算重复的，我们可以先计算所有局部的列相加的和保存到一个临时图像中。然后在临时图像中将所有行相加。所以复杂度从 $O(whnm)$ 下降到 $O(wh(n+m))$ 这种滤波器有它独特的名字：可分滤波器。其实还有更快的方法。
如果用 $t_{rc}$ 表示纵向的和。就有：
$t_{r,c}=\sum_{j=-m}^m \hat{g}_{r,c-j}=t_{r,c-1} +\hat{g}_{r,c+m}- \hat{g}_{r,c-m-1}$
$r,c$ 处的和可以基于已经计算出来的位置 $(r，c-1)$ 处的和以及两次加法得到。这个规则同样适用于横向。这个规则下，我们只需要在第一列和第一行上计算完整的和。时间复杂度下降到了 $O(wh）$ 。这种重要的变换也有自己的重要的名字。叫做递归滤波器。均值滤波器是线性滤波器的一个例子。线性滤波器可用卷积操作来计算。一维卷积操作为：
$f*h=(f*h)(x)= \int_{- \infty}^{\infty} f(t)h(x-t)dt$
这里 $f$ 表示图像函数。滤波器为 $h$ 。此函数被称为掩码卷积和。同理二维卷积操作为:
$f*h=(f*h)(r,c)= \int_{- \infty}^{\infty} \int_{- \infty}^{\infty}f(u,v)h(r-u,c-v)dudv$
对于离散域上的函数。积分被求和取代。
$f*h= \sum_{i=- \infty}^{\infty} \sum_{j=- \infty}^{\infty}f_{i,j}h_{r-i,j-c}$
卷积核可以分解为 $h_{r,c}=s(r)t(c)$ 。可以提出因子 $s$ ：
$f*h= \sum_{i=- \infty}^{\infty} \sum_{j=- \infty}^{\infty}f_{i,j}h_{r-i,j-c}= \sum_{i=- \infty}^{\infty} \sum_{j=- \infty}^{\infty}f_{i,j}s_{r-i}t_{c-j} = \sum_{i=- \infty}^{\infty}s_{r-i} \left( \sum_{i=- \infty}^{\infty}f_{i,j}t_{c-j} \right)$
递归滤波器与均值滤波器有相同的速度优势。运行时间和滤波器的尺寸无关。

参考：《机器视觉算法与应用》

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 158,560评论 4赞 361
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 67,104评论 1赞 291
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 108,297评论 0赞 243
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 43,869评论 0赞 204
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 52,275评论 3赞 287
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 40,563评论 1赞 216
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 31,833评论 2赞 312
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 30,543评论 0赞 197
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 34,245评论 1赞 241
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 30,512评论 2赞 244
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 32,011评论 1赞 258
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 28,359评论 2赞 253
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 33,006评论 3赞 235
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 26,062评论 0赞 8
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 26,825评论 0赞 194
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 35,590评论 2赞 273
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 35,501评论 2赞 268

【笔记】视觉算法——图像平滑

时域平滑

空间平均法

参考：《机器视觉算法与应用》

推荐阅读更多精彩内容