iT邦幫忙

2021 iThome 鐵人賽

DAY 13
1
Software Development

從林到有_Image processing系列 第 13

[D13] 空間濾波例子:Gaussian Filter

接者用高斯濾波器為例子,接者會對其權重參數(weighting, coefficient)討論~

所謂 "模糊",可以理解成每一個畫素都取周邊畫素的平均值,在數值上,這是一種平滑化。在圖形上,就相當於產生模糊效果 → 中間點失去細節。

原本 2 是中間點,周邊點都是 1,在中間點取了周圍的平均值後,就會變成 1。
取值範圍越大,模糊效果會越強烈 。

做Gaussian filter 時, 會同時考慮像素本身像素和周遭像素:

權重值是受到Sigma控制的

Sigma 值越大,權重值向外下降幅度越平滑。
(越接近中心,取值越大 ; 越遠離中心,取值越小。)

計算平均值的時候,我們只需要將 "中心點" 作為原點,其他點按照其在高斯分佈曲線上的位置分配權重,就可以得到他的加權平均值。

經過Gaussian filter

高斯濾波器越靠中心的權重值越高,且 filter 內的權重值由中心向外平滑下降 → 離中央 pixel 距離愈遠的 pixel 對濾波結果影響愈小。

影像輸出:

將每個點乘以自己的權重值,再將這9個值加起來,就是中心點的高斯模糊的值了!
所有點都重複這個過程,就得到高斯模糊後的影象。

如果原圖是彩色圖片,可以對RGB三個通道分別做高斯模糊。


上一篇
[D12] 影像濾波
下一篇
[D14] 捲積 Convolution
系列文
從林到有_Image processing30

尚未有邦友留言

立即登入留言