Question

您好我必须使用以下内核对我的32位原始图像进行2D卷积

h(x,y)= a(b* exp^(-squareroot(x^2+y^2))

我不知道如何执行它，因为我不熟悉。我的图片尺寸是1024 * 768。我应该保持相同大小的内核并执行卷积，还是应该保留一个小内核？他们俩会有所作为吗？如果我保留一个小内核，我该如何用整个图像卷积它？

请帮忙

请检查生成内核的代码是否正确

谢谢你们两位回答。请你在下面查看生成内核然后卷积的代码。我不确定我做得对吗

int krowhalf = krow / 2，kcolhalf = kcol / 2;

// sum is for normalization
float sum = 0.0;

// generate  kernel
for (int x = -krowhalf; x <= krowhalf; x++)
{
    for(int y = -kcolhalf; y <= kcolhalf; y++)
    {
        r = sqrtl(x*x + y*y);
        gKernel[x + krowhalf][y + kcolhalf] = a*(b*exp(-(r));
        sum += gKernel[x + krowhalf][y + kcolhalf];
    }
}

 //normalize the Kernel
for(int i = 0; i < krow; ++i)
    for(int j = 0; j < kcol; ++j)

gKernel[i][j] /= sum;

  float **convolve2D(float** in, float** out, int h, int v, float **kernel, int kCols,     int kRows)

  {
      int kCenterX = kCols / 2;

      int kCenterY = kRows / 2;

       int i,j,m,mm,n,nn,ii,jj;



     for(i=0; i < h; ++i) 
         // rows
      {
       for(j=0; j < v; ++j)   
   // columns
        {

   for(m=0; m < kRows; ++m)     // kernel rows

    {
       mm = kRows - 1 - m;      // row index of flipped kernel

        for(n=0; n < kCols; ++n) // kernel columns
        {
            nn = kCols - 1 - n;  // column index of flipped kernel

             //index of input signal, used for checking boundary
         ii = i + (m - kCenterY);
          jj = j + (n - kCenterX);

            // ignore input samples which are out of bound
            if( ii >= 0 && ii < h && jj >= 0 && jj < v )

                //out[i][j] += in[ii][jj] * (kernel[mm+nn*29]);
                out[i][j] += in[ii][jj] * (kernel[mm][nn]);


            }
       }
   }
}

退出; }

Answer 1

您知道如何进行一维信号卷积吗？你的过滤器总是有限长度。你无法使用数字计算机进行无限卷积。二维滤波器也总是有限长度。例如，最简单的2-D滤波器拉普拉斯算子之一只有3X3大小。过滤器越长，处理就越复杂。

Answer 2

使用非常大的内核（这将是理论上的确切结果）需要永远，所以通常你需要3x3或5x5，除非你真的需要精确的东西。如果您使用有限精度的常规浮点数，则不太可能产生影响。

卷积可以通过两个简单的for循环遍历每个点。对于边缘，一种简单的方法是扩展图像（例如，如果使用3x3，则每边添加一个像素）并从旧边缘开始循环。

代码发布后

编辑：

在循环代码中使用ifs将阻止编译器使用更快的指令（除非编译器非常智能）同时计算更多的点。这一行： out[i][j] += in[ii][jj] * (kernel[mm][nn]);可能由编译器转换为使用SIMD指令同时计算4个值。正因为如此，通常更有效的是在边缘添加填充零并且不要将内核置于这些点上。

Answer 3

有许多方法可以计算高斯滤波器（这是图像处理中的基本滤波器）。这取决于您对性能的要求以及您希望支持的内核大小范围。

OpenCV和Intel IPP支持此过滤器，您可以轻松地在Web上找到开源。您还可以查看Deriche（递归实现高斯及其衍生物）和van Vliet（高斯滤波器的递归实现）特殊算法：它们设法计算每个像素具有固定操作数的滤波器，无论大小如何

您的实施似乎是正确的。无论如何，我建议你使用滤镜的可分性属性：2D高斯是通过1D水平高斯，然后是1D垂直（e^-(X²+Y²)=e^-X².e^-Y²）获得的。这样，您只需要krow x kcol个像素，而不是krow + kcol每个像素的操作，这是一个显着的节省。

用C中的2D函数对浮动图像进行卷积

3 个答案: