高斯函数(Gaussian function)的详细分析 |
您所在的位置:网站首页 › 指数方程的公式是什么 › 高斯函数(Gaussian function)的详细分析 |
摘要
论文中遇到很重要的一个元素就是高斯核函数,但是必须要分析出高斯函数的各种潜在属性,本文首先参考相关材料给出高斯核函数的基础,然后使用matlab自动保存不同参数下的高斯核函数的变化gif动图,同时分享出源代码,这样也便于后续的论文写作。 高斯函数的基础 2.1 一维高斯函数高斯函数,Gaussian Function, 也简称为Gaussian,一维形式如下: 对于任意的实数a,b,c,是以著名数学家Carl Friedrich Gauss的名字命名的。高斯的一维图是特征对称“bell curve”形状,a是曲线尖峰的高度,b是尖峰中心的坐标,c称为标准方差,表征的是bell钟状的宽度。 高斯函数广泛应用于统计学领域,用于表述正态分布,在信号处理领域,用于定义高斯滤波器,在图像处理领域,二维高斯核函数常用于高斯模糊Gaussian Blur,在数学领域,主要是用于解决热力方程和扩散方程,以及定义Weiertrass Transform。 从上图可以看出,高斯函数是一个指数函数,其log函数是对数凹二次函数 whose logarithm a concave quadratic function。 高斯函数的积分是误差函数error function,尽管如此,其在整个实线上的反常积分能够被精确的计算出来,使用如下的高斯积分 同理可得 当且仅当 上式积分为1,在这种情况下,高斯是正态分布随机变量的概率密度函数,期望值μ=b,方差delta^2 = c^2,即 2.2 二维高斯函数 二维高斯函数,形如 A是幅值,x。y。是中心点坐标,σx σy是方差,图示如下,A = 1, xo = 0, yo = 0, σx = σy = 1 2.3 高斯函数分析 这一节使用matlab直观的查看高斯函数,在实际编程应用中,高斯函数中的参数有 ksize 高斯函数的大小 sigma 高斯函数的方差 center 高斯函数尖峰中心点坐标 bias 高斯函数尖峰中心点的偏移量,用于控制截断高斯函数 为了方便直观的观察高斯函数参数改变而结果也不一样,下面的代码实现了参数的自动递增,并且将所有的结果图保存为gif图像,首先贴出完整代码: function mainfunc() % 测试高斯函数,递增的方法实现高斯函数参数的改变对整个高斯函数的影响, % 并自动保存为gif格式输出。 % created by zhao.buaa 2016.09.28 %% 保存gif动画 item = 10; % 迭代次数 dt = 1; % 步长大小 ksize =20; % 高斯大小 sigma = 2; % 方差大小 % filename = ['ksize-' num2str(ksize) '--' num2str(ksize+dt*item) '-sigma-' num2str(sigma) '.gif']; %必须预先建立gif文件 filename = ['ksize-' num2str(ksize) '-sigma-' num2str(sigma) '--' num2str(sigma+dt*item) '.gif']; %必须预先建立gif文件 % main loop for i = 1:item center = round(ksize/2); % 中心点 bias = ksize*10/10; % 偏移中心点量 ksigma = ksigma(ksize, sigma, center, bias); % 构建核函数 tname = ['ksize-' num2str(ksize) '-sigma-' num2str(sigma) '-center-' num2str(center)]; figure(i), mesh(ksigma), title(tname); %设置固定的x-y-z坐标范围,便于观察,axis([xmin xmax ymin ymax zmin zmax]) axis([0 ksize 0 ksize 0 0.008]); view([0, 90]);% 改变可视角度 % ksize 递增 % ksize = ksize + 10; % sigma 递增 sigma = sigma + dt; % 自动保存为gif图像 frame = getframe(i); im = frame2im(frame); [I,map] = rgb2ind(im,256); if i==1 imwrite(I,map,filename,'gif','Loopcount',inf, 'DelayTime',0.4); else imwrite(I,map,filename,'gif','WriteMode','append','DelayTime',0.4); end end; close all; %% 截断高斯核函数,截断的程度取决于参数bias function ksigma = ksigma(ksize, sigma, center,bias) %ksize = 80; sigma = 15; ksigma=fspecial('gaussian',ksize, sigma); % 构建高斯函数 [m, n] =size(ksigma); for i = 1:m for j = 1:n if( (icenter+bias)||(jcenter+bias) ) ksigma(i,j) = 0; end; end; end;结果图: 固定ksize为20,sigma从1-9,固定center在高斯中间,并且bias偏移量为整个半径,即原始高斯函数。 随着sigma的增大,整个高斯函数的尖峰逐渐减小,整体也变的更加平缓,则对图像的平滑效果越来越明显。 保持参数不变,对上述高斯函数进行截断,即truncated gaussian function,bias的大小为ksize*3/10,则结果如下图: truncated gaussian function的作用主要是对超过一定区域的原始图像信息不再考虑,这就保证在更加合理的利用靠近高斯函数中心点的周围像素,同时还可以改变高斯函数的中心坐标,如下图: 为了便于观察截断的效果,改变了可视角度。 高斯核函数卷积论文中使用gaussian与feature map做卷积,目前的结果来看,要做到随着到边界的距离改变高斯函数的截断参数,因为图像的边缘如果使用原始高斯函数,就会在边界地方出现特别低的一圈,原因也很简单,高斯函数在与原始图像进行高斯卷积的时候,图像边缘外为0计算的,那么如何解决边缘问题呢? 先看一段代码: [plain] view plain copy % 截断高斯核函数 ksize = 40; ksigma=fspecial('gaussian', ksize, 6); [m, n] =size(ksigma); for i = 1:m for j = 1:n if( iheight; ++i){ for(int m = 0; m < iSize; ++m) { ... } } 这样的算法复杂度为O(2*height*weigth*iSize),比一维处理要少了很多,所以时间对应来说也会快一点。 用后者,我们的关键函数如下: /* 生成一维高斯模板,水平的和垂直方向上的模板是一样的 输入参数分别是:模板大小,sigma值 输出:一维数组(高斯模板) */ double* CreateMuban(int iSize ,double sigma) { double *gauss = new double[iSize];//声明一维模板 int radius = (iSize - 1) / 2;//这是高斯半径 double MySigma = 2 * sigma * sigma; double value = 0; for (int i = 0; i < iSize; i++) {//高斯函数前面的常数项因为在归一化的时候将会消去,故这里不重复计算 gauss[i] = exp(-(i - radius)*(i - radius)/MySigma); value = value + gauss[i]; } for (int i = 0; i < iSize; i++) {//归一化 gauss[i] = gauss[i] / value; } return gauss; } //对像素进行操作 IplImage* operatorImage(IplImage* img, double* Muban, int iSize) { //创建一张新的图片来进行滤波操作 IplImage* NewImage = cvCreateImage(cvSize(img->width, img->height), 8, 3); int radius = (iSize - 1) / 2; int r = 0; int g = 0; int b = 0; CvScalar cs; //复制图片 cvCopy(img, NewImage); //先对I,也就是垂直方向进行操作 for (int j = 0; j < NewImage->width; ++j) { for (int i = 0; i < NewImage->height; ++i) { //先判断是否是边缘,不是则操作,是则跳过不处理,保持原样 if (!JudgeEdge(i, NewImage->height, radius)) { for (int k = 0; k < iSize; ++k) { /* b = b + (int)((double)(NewImage->imageData + (i - radius + k) * NewImage->widthStep)[j * (int)NewImage->nChannels + 0] * Muban[k]); g = g + (int)((double)(NewImage->imageData + (i - radius + k) * NewImage->widthStep)[j * (int)NewImage->nChannels + 1] * Muban[k]); r = r + (int)((double)(NewImage->imageData + (i - radius + k) * NewImage->widthStep)[j * (int)NewImage->nChannels + 2] * Muban[k]); */ cs = cvGet2D(NewImage, i - radius + k, j); //获取像素 b = b + (int)((double)cs.val[0] * Muban[k]); g = g + (int)((double)cs.val[1] * Muban[k]); r = r + (int)((double)cs.val[2] * Muban[k]); } /*((uchar *)(NewImage->imageData + i * NewImage->widthStep))[j * NewImage->nChannels + 0] = b; //改变该像素B的颜色分量 ((uchar *)(NewImage->imageData + i * NewImage->widthStep))[j * NewImage->nChannels + 1] = g; //改变该像素G的颜色分量 ((uchar *)(NewImage->imageData + i * NewImage->widthStep))[j * NewImage->nChannels + 2] = r; //改变该像素R的颜色分量 */ cs = cvGet2D(NewImage, i, j); cs.val[0] = b; cs.val[1] = g; cs.val[2] = r; cvSet2D(NewImage, i, j, cs); b = 0; g = 0; r = 0; } } } //在对J,也就是水平方向进行操作 for (int i = 0; i < NewImage->height; ++i) { for (int j = 0; j < NewImage->width; ++j) { //先判断是否是边缘,不是则操作,是则跳过不处理,保持原样 if (!JudgeEdge(j, NewImage->width, radius)) { for (int k = 0; k < iSize; ++k) { /*b = b + (int)((double)(NewImage->imageData + i * NewImage->widthStep)[(j - radius + k) * (int)NewImage->nChannels + 0] * Muban[k]); g = g + (int)((double)(NewImage->imageData + i * NewImage->widthStep)[(j - radius + k) * (int)NewImage->nChannels + 1] * Muban[k]); r = r + (int)((double)(NewImage->imageData + i * NewImage->widthStep)[(j - radius + k) * (int)NewImage->nChannels + 2] * Muban[k]);*/ cs = cvGet2D(NewImage, i, j - radius + k); //获取像素 b = b + (int)((double)cs.val[0] * Muban[k]); g = g + (int)((double)cs.val[1] * Muban[k]); r = r + (int)((double)cs.val[2] * Muban[k]); } /*((uchar *)(NewImage->imageData + i * NewImage->widthStep))[j * NewImage->nChannels + 0] = b; //改变该像素B的颜色分量 ((uchar *)(NewImage->imageData + i * NewImage->widthStep))[j * NewImage->nChannels + 1] = g; //改变该像素G的颜色分量 ((uchar *)(NewImage->imageData + i * NewImage->widthStep))[j * NewImage->nChannels + 2] = r; //改变该像素R的颜色分量*/ cs = cvGet2D(NewImage, i, j); cs.val[0] = b; cs.val[1] = g; cs.val[2] = r; cvSet2D(NewImage, i, j, cs); b = 0; g = 0; r = 0; //cout |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |