Question

我按照Nixon Aguado的算法实现了高斯滤波器。该算法（在找到此处描述的模板gaussian template之后）如下。

我相信伪代码是MATLAB风格。

function convolved=convolve(image,template)
%New image point brightness convolution of template with image
%Usage:[new image]=convolve(image,template of point values)
%Parameters:image-array of points
% template-array of weighting coefficients
%Author: Mark S. Nixon
%get image dimensions
[irows,icols]=size(image);
%get template dimensions
[trows,tcols]=size(template);
%set a temporary image to black
temp(1:irows,1:icols)=0;

%half of template rows is
trhalf=floor(trows/2);
%half of template cols is
tchalf=floor(tcols/2);
%then convolve the template
for x=trhalf+1:icols-trhalf %address all columns except border
    for y=tchalf+1:irows-tchalf %address all rows except border
        sum=0;
        for iwin=1:trows %address template columns
            for jwin=1:tcols %address template rows
                sum=sum+image(y+jwin-tchalf-1,x+iwin-trhalf-1)* template(jwin,iwin);
            end
        end
        temp(y,x)=sum;
    end
end

%finally, normalise the image
convolved=normalise(temp);

无论如何，让我担心的是最后一部分“正常化”。我尝试过我的算法（用C＃编写），有些像素的值为255.00000003（显然大于255）。我应该将结果“标准化”以将其扩大到0-255范围吗？不会修改图像（高斯除外）我只是不想这个操作涉及高斯滤波器而不是别的。

编辑：我已经消除了“规范化”，似乎它运作良好，所以我不知道为什么这本书的作者推荐它。尽管如此，我还是担心如果由于某些原因某些价值＆gt;我的程序会崩溃出现255并且无法绘制。

Answer 1

正如其他人在评论中指出的那样，规范化图像，因为它确保每个通道的范围为0到255都是不好的。

使用适当的滤波器内核，在每个值被钳位在0到255之间的意义上归一化图像。但在实践中，由于way floating point numbers work，它可能是必要的或有用的。浮点数不能代表每个可能的实数，并且每个计算都会引入一些不准确性。这可能是255.00000003作为其中一个值的原因。

与许多信号处理算法一样，这个算法假定离散的时间/空间，但是连续的值。对这些算法进行推理并以数学方式描述它们要容易得多。

在计算机上，您没有连续值。图像使用离散值，通常为每个通道0到255之间的整数（每通道8位）。声音通常以每通道16位编码。

在绝大多数情况下，这是完全可以接受的，但它实际上是高斯滤波器输出后的另一个滤波器（尽管是非线性滤波器）。所以是的，从严格意义上讲，您可以在保存图像或在屏幕上显示时修改高斯滤镜的输出。

在（高斯）滤波之后归一化图像

1 个答案: