Opencv 高斯平滑下的方差(sigma)效应
我知道高斯、方差、图像模糊,我想我理解了高斯模糊中方差的概念,但我仍然不是100%确定 我只想知道sigma或方差在高斯平滑中的作用。我的意思是,对于相同的窗口大小,增加Opencv 高斯平滑下的方差(sigma)效应,opencv,image-processing,computer-vision,Opencv,Image Processing,Computer Vision,我知道高斯、方差、图像模糊,我想我理解了高斯模糊中方差的概念,但我仍然不是100%确定 我只想知道sigma或方差在高斯平滑中的作用。我的意思是,对于相同的窗口大小,增加sigma的值会发生什么?为什么会发生 如果有人能提供一些关于它的好的文献,那将是非常有帮助的。(我已经试了几次,但找不到我要找的东西) 主要困惑: 更高频率->细节(例如噪音) 低频->图像的概述 通过增加sigma,我们允许一些更高的频率…因此我们应该随着频率的增加而变得更详细,但情况正好相反,当我们增加sigma时,图像变
sigma
的值会发生什么?为什么会发生
如果有人能提供一些关于它的好的文献,那将是非常有帮助的。(我已经试了几次,但找不到我要找的东西)
主要困惑:
更高频率->细节(例如噪音)
低频->图像的概述
通过增加
sigma
,我们允许一些更高的频率…因此我们应该随着频率的增加而变得更详细,但情况正好相反,当我们增加sigma
时,图像变得更模糊。我认为应该在以下步骤中完成,首先,从信号处理的角度来看:
我认为维基百科比我更有用,简单地说,增加sigma术语将在相邻像素上撒下更大的网,并减少最接近感兴趣像素的像素的影响,例如,它会使图像更模糊
西格玛是方差(即标准偏差的平方)。如果增加正态分布中的标准差,分布将更加分散,峰值将不那么尖峰。类似地,在高斯平滑(一种低通滤波器)中,它通过不强调图像中的急剧梯度变化,使所有内容都变得模糊,因此,如果增加方差/stddev,它将更加模糊。但这受到高斯核大小的限制。这是一个高斯模糊的示例视频,内核(窗口)大小为105,sigma从1.0到15.0不等:@sub_o:谢谢,视频显示了sigma的效果,我也看到了sigma的效果。但我对这个概念感到困惑。请看一下我更新的问题,其中我更新了我的困惑。啊,我们在这里讨论的西格玛不是频域中的。它与频率成反比。看这里:这可能就是困惑的来源。我还有另一个困惑。较高频率->细节(如噪音),较低频率->图像的概述。通过增加
sigma
,我们允许一些更高的频率……因此,我们应该随着频率的增加而变得更详细,但情况正好相反,当我们增加sigma
时,图像变得更模糊。图像中的边缘以更高的频率显示(在空间上强度的快速变化)也会产生噪声(图像中的噪声意味着不必要的强度变化)。较低的频率意味着强度变化不大。我说过,当你增加sigma
时,你会得到一个大致的概览,因为细节消失了;我们得到一个模糊的图像。这种快速变化(高频)变得更平滑。当我们减少sigma
时,我们得到了更多的细节。我建议您尝试在matlab或opencv中使用高斯滤波器进行平滑。绘制其fft,以查看平滑前后频域的变化。非常感谢@hadi对其进行了很好的解释。关于sigma,我将不多说,它是标准偏差.如果展开圆锥体..将更多点添加到此圆锥体峰值,它将失去其原始形状..平均值将模糊或平滑原始峰值.西格玛显示峰值处的变化或扩展..更大的扩展..平滑该峰值(概述,无细节或清晰峰值)…更小的扩展..更小的平滑..无扩展..无平滑..无平滑。。(圆锥体详图的清晰峰值)