图像卷积

最新推荐文章于 2024-12-11 15:14:29 发布

知道不_zkl

最新推荐文章于 2024-12-11 15:14:29 发布

阅读量357

点赞数

CC 4.0 BY-SA版权

分类专栏：图像识别

本文链接：https://blog.youkuaiyun.com/weixin_41500849/article/details/80295952

图像识别专栏收录该内容

12 篇文章

订阅专栏

本文介绍Sobel算子及其在图像边缘检测中的应用，并详细解释了卷积的概念及其实现过程。通过示例展示了如何利用Sobel算子进行图像边缘检测，并探讨了在卷积过程中边界处理的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

$~~~~~~$ 算子是图像边缘检测的最重要的算子之一，在机器学习、数字媒体、计算机视觉等领域起着重要作用。由Irwin Sobel在1968年的一次博士课题讨论会上提出。本文主要介绍了Sobel算子的计算过程，python实现过程和python中相关函数的介绍。方便读者实际使用。

1.图像中卷积的概念

$~~~~~~$ 卷积在信号处理领域有着极其广泛的应用，也有严格的物理和数学定义。这里只讨论卷积在数字图像处理中的应用。

1.卷积定义

$~~~~~~$ 对图像大矩阵和滤波小矩阵对应位置元素相乘再求和的操作就叫做卷积（Convolution）或者协相关（Correlation）。二者区别在于卷积需要再计算前翻转卷积核，而协相关则不需要翻转。

2.卷积算例

$~~~~~~$ 这里图像大矩阵 $I$ 为

\begin{matrix} (1) & I = [\begin{matrix} - 40 & 61 & 72 \\ 100 & 135 & 127 \\ 60 & 72 & 65 \end{matrix}] \end{matrix}

$I= \begin{bmatrix} -40 & 61 & 72 \\ 100 & 135 & 127 \\ 60 & 72 & 65 \end{bmatrix} \tag{1}$

$~~~~~~$ 对应的滤波小矩阵 $Gx$ 为

G x = ⎡ ⎣ ⎢ - 1 - 2 - 1 000121 ⎤ ⎦ ⎥ (2)

$Gx= \begin{bmatrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{bmatrix} \tag{2}$

$~~~~~~$ 则滤波后，两个矩阵对应元素相乘的结果为

I \cdot G x ⎡ ⎣ ⎢ - 40 - 200 - 60 0007225465 ⎤ ⎦ ⎥ (3)

$I\cdot Gx \begin{bmatrix} -40 & 0 & 72 \\ -200 & 0 & 254 \\ -60 & 0 & 65 \end{bmatrix} \tag{3}$

$~~~~~~$ 元素和

s u m = - 40 + 0 + 72 - 200 + 0 + 254 - 600 + 0 + 65 = 91

$sum= -40+0+72-200+0+254-600+0+65=91$

$~~~~~~$ 进行滤波后，135会被替换为91，即矩阵 $I'$ 为

I' = ⎡ ⎣ ⎢ - 40 10060 6191727212765 ⎤ ⎦ ⎥ (4)

$I'= \begin{bmatrix} -40 & 61 & 72 \\ 100 & 91 & 127 \\ 60 & 72 & 65 \end{bmatrix} \tag{4}$

3.边界补充问题

$~~~~~~$ 在进行卷积操作时，需要对边界进行处理，常见的处理有如下的方式：

$~~~~$ 3.1 补充零填充

⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ 000000000000000000000000000 000 - 40 10060000 00061135720000007212765000000000000000000000000000000 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ (5)

$\begin{bmatrix} 0 & 0 & 0 &0 & 0 & 0 &0 & 0 & 0 \\ 0 & 0 & 0 &0 & 0 & 0 &0 & 0 & 0 &\\ 0 & 0 & 0 &0 & 0 & 0 &0 & 0 & 0 &\\ 0 & 0 & 0 & -40 & 61 & 72& 0 & 0 & 0 \\ 0 & 0 & 0 & 100 & 135 & 127& 0 & 0 & 0 & \\ 0 & 0 & 0 & 60 & 72 & 65& 0 & 0 & 0 \\0 & 0 & 0 &0 & 0 & 0 &0 & 0 & 0 \\ 0 & 0 & 0 &0 & 0 & 0 &0 & 0 & 0 \\ 0 & 0 & 0 &0 & 0 & 0 &0 & 0 & 0 \\ \end{bmatrix} \tag{5}$

$~~~~$ 3.2 边界赋值填充

⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ - 40 - 40 - 40 - 40 10060606060 - 40 - 40 - 40 - 40 10060606060 - 40 - 40 - 40 - 40 10060606060 - 40 - 40 - 40 - 40 10060606060 61616161135727272727272727212765656565727272721276565656572727272127656565657272727212765656565 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ (5)

$\begin{bmatrix} -40 & -40 & -40 &-40 & 61 & 72 &72 & 72 & 72 \\ -40 & -40 & -40 &-40 & 61 & 72 &72 & 72 & 72 &\\ -40 & -40 & -40 &-40 & 61 & 72 &72 & 72 & 72 \\ -40 & -40 & -40 & -40 & 61 & 72& 72 & 72 & 72 \\ 100 & 100 & 100 & 100 & 135 & 127& 127 & 127 & 127 \\ 60 & 60 & 60 & 60 & 72 & 65& 65 & 65 & 65 \\ 60 & 60 & 60 & 60 & 72 & 65& 65 & 65 & 65 \\ 60 & 60 & 60 & 60 & 72 & 65& 65 & 65 & 65 \\ 60 & 60 & 60 & 60 & 72 & 65& 65 & 65 & 65 \ \\ \end{bmatrix} \tag{5}$

$~~~~$ 3.3 镜像填充

⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ 651277272127656512772721356161135727213561 60100 - 40 - 40 1006060100 - 40 60100 - 40 - 40 1006060100 - 40 721356161135727213561651277272127656512772651277272127656512772721356161135727213561 60100 - 40 - 40 1006060100 - 40 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ​ (6)

$\begin{bmatrix} 65 & 72 & 60 &60 & 72 & 65 &65 & 72 & 60 \\ 127& 135 & 100 &100 & 135 & 127 &127& 135& 100 &\\ 72 & 61 & -40 &-40 & 61 & 72 &72 & 61 & -40 \\ 72 & 61 & -40 & -40 & 61 & 72& 72 & 61 & -40 \\ 127 & 135 & 100 & 100 & 135 & 127& 127 & 135 & 100 \\ 65 & 72 & 60 & 60 & 72 & 65 & 65 & 72&60\\65 & 72 & 60 & 60 & 72 & 65 & 65 & 72&60\\ 127 & 135 & 100 & 100 & 135 & 127& 127 & 135 & 100 \\ 72 & 61 & -40 &-40 & 61 & 72 &72 & 61 & -40 \ \end{bmatrix} \tag{6} $

$~~~~$ 3.4 块填充

⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ - 40 10060 - 40 10060 - 40 10060 - 40 10060 61135726113572611357261135727212765721276572127657212765 - 40 10060 - 40 10060 - 40 10060 - 40 10060 61135726113572611357261135727212765721276572127657212765 - 40 10060 - 40 10060 - 40 10060 - 40 10060 61135726113572611357261135727212765721276572127657212765 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ (7)

$\begin{bmatrix} -40 & 61 & 72&-40 & 61 & 72&-40 & 61 & 72 \\ 100 & 135 & 127&100 & 135 & 127&100 & 135 & 127\\ 60 & 72 & 65& 60 & 72 & 65& 60 & 72 & 65 \\-40 & 61 & 72&-40 & 61 & 72&-40 & 61 & 72 \\ 100 & 135 & 127&100 & 135 & 127&100 & 135 & 127\\ 60 & 72 & 65& 60 & 72 & 65& 60 & 72 & 65 \\-40 & 61 & 72&-40 & 61 & 72&-40 & 61 & 72 \\ 100 & 135 & 127&100 & 135 & 127&100 & 135 & 127\\ 60 & 72 & 65& 60 & 72 & 65& 60 & 72 & 65 \\-40 & 61 & 72&-40 & 61 & 72&-40 & 61 & 72 \\ 100 & 135 & 127&100 & 135 & 127&100 & 135 & 127\\ 60 & 72 & 65& 60 & 72 & 65& 60 & 72 & 65 \\ \end{bmatrix} \tag{7}$