SIFT中的高斯模糊

高斯模糊是众多模糊算法中的一种，所谓的模糊，就是平滑图像，消除像素之间的差异，最容易想到的方法就是均值平滑。

1.均值模糊

均值模糊就是取目标像素周围像素的平均值.譬如

像素矩阵.

|1|1|1|

|1|2|1|

|1|1|1|,

经过均值模糊后，就变成

|1|1|1|

|1|1|1|

|1|1|1|,

这样就模糊了像素之间的差异，但是这样做明显有缺陷，因为越远的像素对目标像素的影响越小。

所以，离目标像素越远，对目标像素影响越大，反之越小.

所以，这个非常符合正态分布，所以，我们首先先生成高斯核，公式为

G(x,y) = (1/2*PI*Sigma^2)^N*(E^(-(x^2+y^2/)2*Sigma*Sigma)

其中，Sigma为标准差，N为demension，根据高斯核函数，就可以生成Kernel,

例如，5*5的Kernel为

6.5857407E-6   4.247807E-4    0.0017035368   4.247807E-4    6.5857407E-6
4.247807E-4     0.027398387   0.10987825       0.027398387   4.247807E-4
0.0017035368  0.10987825     0.44065478       0.10987825     0.0017035368
4.247807E-4     0.027398387   0.10987825       0.027398387   4.247807E-4
6.5857407E-6   4.247807E-4    0.0017035368   4.247807E-4    6.5857407E-6

（通常我们只需要计算(6*Sigma+1)(6*Sigma+1)大小的Kernel即可)

这样，我们就有了一个Kernel,就可以与原图像做convolutions.

时间： 2024-10-20 05:25:43

SIFT中的高斯模糊的相关文章

【计算机视觉】SIFT中LoG和DoG比较

在实际计算时,三种方法计算的金字塔组数noctaves,尺度空间坐标σ,以及每组金字塔内的层数S是一样的.同时,假设图像为640*480的标准图像. 金字塔层数: 其中o_min = 0,对于分辨率为640*480的图像N=5. 每组金字塔内图像数:S=3,即在做极值检测时使用金子塔内中间3张图像.对于LoG每组金字塔内有S+2张图像(S=-1,0,1,2,3),需要做S+1次高斯模糊操作(后一张图像由前一张做高斯模糊得到):而DoG每组金字塔有S+3张高斯图像,得到S+2张DoG图像.尺度空间

OpenCV SIFT原理与源码分析

http://blog.csdn.net/xiaowei_cqu/article/details/8069548 SIFT简介 Scale Invariant Feature Transform,尺度不变特征变换匹配算法,是由David G. Lowe在1999年(<Object Recognition from Local Scale-Invariant Features>)提出的高效区域检测算法,在2004年(<Distinctive Image Features from Scal

SIFT 和SURF

1.SIFT SIFT(Scale-invariant feature transform)是一种检测局部特征的算法,该算法通过求一幅图中的特征点(interest points,or corner points)及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配,获得了良好效果,详细解析如下: 算法描述 SIFT特征不只具有尺度不变性,即使改变旋转角度,图像亮度或拍摄视角,仍然能够得到好的检测效果.整个算法分为以下几个部分: 1. 构建尺度空间 这是一个初始化

【OpenCV】SIFT原理与源码分析

SIFT简介 Scale Invariant Feature Transform,尺度不变特征变换匹配算法,是由David G. Lowe在1999年(<Object Recognition from Local Scale-Invariant Features>)提出的高效区域检测算法,在2004年(<Distinctive Image Features from Scale-Invariant Keypoints>)得以完善. SIFT特征对旋转.尺度缩放.亮度变化等保持不变性

sift、surf、orb 特征提取及最优特征点匹配

目录 sift sift特征简介 sift特征提取步骤 surf surf特征简介 surf特征提取步骤 orb orb特征简介 orb特征提取算法 代码实现 特征提取 特征匹配 附录 sift sift特征简介 SIFT(Scale-Invariant Feature Transform)特征,即尺度不变特征变换,是一种计算机视觉的特征提取算法,用来侦测与描述图像中的局部性特征. 实质上,它是在不同的尺度空间上查找关键点(特征点),并计算出关键点的方向.SIFT所查找到的关键点是一些十分突出.

【特征匹配】SIFT原理之KD树+BBF算法解析

继上一篇中已经介绍了SIFT原理点击打开链接,最后得到了一系列特征点,每个特征点对应一个128维向量.假如现在有两副图片都已经提取到特征点,现在要做的就是匹配上相似的特征点. 相似性查询有两种基本方式:1.范围查询:即给点查询点和查询阈值,从数据集中找出所有与查询点距离小于阈值的点. 2.K近邻查询:给点查询点及正整数K,从数据集中找到与查询点最近的K个数据,当K=1时,就是最近邻查询. 特征匹配算子可以分为两类:1.穷举法:即将数据集中的点与查询点逐一计算距离,如果图1提取到N1个特征点,图2

[翻译]鲁棒的尺度不变特征匹配在遥感图像配准中应用(Robust Scale-Invariant Feature Matching for Remote Sensing Image Registration)

李乔亮,汪国有,刘建国,会员,IEEE,和陈少波 2008年8月7日接收;2008年10月22日和2008年11月27日修改.2009年2月2日首版:当前版本出版于2009年4月17日.本项工作由中国国家基础研究项目60672060资助. 中国湖北省武汉市华中科技大学模式识别与人工智能国家重点实验室,邮编430074(邮箱:[email protected];   [email protected];  [email protected];  [email protected]) 数字对象识别编

Web前端之高斯模糊图片记

题记 前端需求之高斯模糊图片 最近工作中有一个需求,客户提交图片,服务器根据图片生成内容,并将内容显示,要求高斯模糊处理用户的图片并作为作品展示的背景,类似于苹果设备上的高斯模糊背景.用户提交的图片分网络图片地址.终端设备上传两种.要求兼容各大浏览器. 解决方案一:CSS3滤镜 在CSS3 中规定了一个新的图形特效:filter ,可以对元素进行模糊.锐化或者元素变色. filter 目的是用来调整图片.背景和边界的渲染. 在CSS3 中已经实现了filter 的一些预定义函数,MDN 中介绍如

简单探讨可牛影像软件中具有肤质保留功能的磨皮算法及其实现细节。

在几年前写的一篇关于BEEP的文章时,我曾经说过Beep的去噪作用可以用于磨皮,并且给出了结论BEEP比可牛和美图等的效果要更为好,现在看来,那个结论确实是太为夸张和固定了.不同的人的审美观不同,同一个人在不同时段审美观也会有所差异,现在看来,我到时觉得可牛影像的带有肤质保留效果的磨皮更加自然,也更加符合实际的情况. 在前段日子里,又随意的百度了下PS的磨皮教程,看到了很多的曾经看过的例子,也看到了一些当时不以为然的文章.其中就包括http://www.missyuan.com/thread-4