Гауссовские ядра размытия и свертки

Question

Я не понимаю, что такое ядро ​​свертки и как применить матрицу свертки к пикселям в изображении (я говорю о выполнении операции Gaussian Blur на изображении).

Также я могу получить объяснение о том, как создать ядро ​​для операции Gaussian Blur?

Я читаю this article, но я не могу понять, как все делается ...

Спасибо всем, кто занимает время, чтобы объяснить это мне :),

ExtremeCoder

Answer 1

Основной Идея заключается в том, что новые пиксели изображения создаются средневзвешенными близкими к ним пикселями (представьте, что вы рисуете круг вокруг пикселя).

Для каждого пикселя изображения вы создадите маленький квадрат вокруг пикселя. Допустим, вы берете 8 соседей рядом с пикселем (включая диагонали, даже если это неважно здесь), и мы выполняем средневзвешенное значение, чтобы получить средний пиксель.

В случае размытия Гаусса он разбивается на две одномерные операции. Для каждого пикселя возьмите некоторое количество пикселей рядом с пикселем только в направлении строки. Умножьте значения пикселей по времени на весы, вычисленные по гауссовскому распределению (или если вы делаете это для визуального эффекта, а не по научной причине, весы могут что угодно, что хорошо выглядит) и суммировать их. Еще один способ взглянуть на это - это сделать пиксель вектором, а веса - сделать вектор, а ваш - точечным. Повторите этот процесс в направлении столбца как отдельный проход.

Answer 2

Ядро свертки представляет собой матрицу значений, которые определяют, как окрестность пикселя вносит вклад в состояние этого пикселя в конечном изображении. Существует справедливое описание основ here. Гауссово размытие - это функция свертки, которая использует действительно уродливую (вы видели страницу wikipedia) функцию, чтобы вычислить ядро ​​свертки для передачи изображения. Вы найдете пример ядра для gaussian на этой странице wikipedia.

Пункт всей математики в том, чтобы создать мягкое размытие, которое напоминает узор разброса, создаваемый сетчатым экраном, размещенным между зрителем и изображением. Вы можете думать о «размере» (стандартном отклонении) гауссова как о связи между расстоянием между изображением и экраном.

Answer 3

Вот удивительный инструмент, если вы не хотите, чтобы вычислить все это самостоятельно (как я):
http://www.embege.com/gauss/

EDIT
Поскольку связь, кажется, сломана сейчас, вот ссылка to archive.org:
http://web.archive.org/web/20150217075657/http://www.embege.com/gauss