Image processing 在本例中,对于大小均匀的过滤器,相关性是如何工作的?
(我知道有这样一个问题,但我需要一个具体的例子) 如果线性过滤器具有偶数尺寸,如何定义“中心”?i、 e.在下列情况下:Image processing 在本例中,对于大小均匀的过滤器,相关性是如何工作的?,image-processing,computer-vision,Image Processing,Computer Vision,(我知道有这样一个问题,但我需要一个具体的例子) 如果线性过滤器具有偶数尺寸,如何定义“中心”?i、 e.在下列情况下: filter = np.array([[a, b], [c, d]]) 图像是: image = np.array([[0, 1, 0], [1, 1, 1], [0, 1, 0]]) 图像与线性滤波器的相关结果是什么?哪一个尺寸均匀的滤波器元素被视为原点是任意选
filter = np.array([[a, b],
[c, d]])
图像是:
image = np.array([[0, 1, 0],
[1, 1, 1],
[0, 1, 0]])
图像与线性滤波器的相关结果是什么?哪一个尺寸均匀的滤波器元素被视为原点是任意选择的。每个实现将做出不同的选择。尽管由于两个图像维度的相似性,
a
和d
是两个最可能的选择
例如,MATLAB的imfilter
(实现相关而非卷积)执行以下操作:
f=[1,2;4,8];
img=[0,1,0;1,1,1;0,1,0];
imfilter(img,f,'same')
ans=
14 13 4
11 7 1
2 1 0
这意味着在本例中,
a
是内核的起源。其他实现可能会做出不同的选择。大小均匀的过滤器的哪个元素被认为是源元素是任意选择。每个实现将做出不同的选择。尽管由于两个图像维度的相似性,a
和d
是两个最可能的选择
例如,MATLAB的imfilter
(实现相关而非卷积)执行以下操作:
f=[1,2;4,8];
img=[0,1,0;1,1,1;0,1,0];
imfilter(img,f,'same')
ans=
14 13 4
11 7 1
2 1 0
这意味着在本例中,a
是内核的起源。其他实现可能会做出不同的选择。注意相关答案:,和。注意相关答案:,和。