如何确定高斯滤波的标准差和窗口大小

高斯函数与高斯滤波

一维高斯函数我们都熟悉,形式如下:

\[G(x) = \frac{1}{\sqrt{2\pi}\sigma} \exp(-\frac{x^2}{2\sigma^2}) \]

计算机视觉中,高斯滤波使用的高斯核为\(x\)\(y\)两个一维高斯的乘积,两个维度上的标准差\(\sigma\)通常相同,形式如下:

\[G(x, y) = \frac{1}{2\pi\sigma^2}\exp(-\frac{x^2+y^2}{2\sigma^2}) \]

高斯滤波(平滑),即用某一尺寸的二维高斯核与图像进行卷积。高斯核是对连续高斯函数的离散近似,通常对高斯曲面进行离散采样和归一化得出,这里,归一化指的是卷积核所有元素之和为1,下图为标准高斯和\(\sigma=1.4\)大小为\(5\times5\)的高斯核。

高斯核

标准差

\(\mu=0\)时,唯一需要控制的参数就是标准差\(\sigma\),多少合适呢?\(\sigma\)的确定十分依赖于问题背景,需要具体问题具体分析。但理解\(\sigma\)的作用,可以指导调整的方向。

高斯核可以看成是与中心距离负相关的权重。平滑时,调整\(\sigma\)实际是在调整周围像素对当前像素的影响程度,调大\(\sigma\)即提高了远处像素对中心像素的影响程度,滤波结果也就越平滑。高斯曲线随\(\sigma\)变化的曲线如下:
标准高斯函数

从频域角度看,高斯函数的傅立叶变换仍是高斯,两者标准差间的关系如下:

\[\sigma_x = \frac{1}{2\pi \sigma_w} \]

其中,\(\sigma_x\)为空域高斯的标准差,\(\sigma_w\)为对应频域高斯的标准差,在空域进行高斯平滑相当于频域低通滤波,\(\sigma_x\)越大,\(\sigma_w\)越小,频域高斯越集中,高频成分削弱得越多,图像越平滑。

从低通滤波角度考虑,可以对图像做傅立叶变换进行频谱分析,叠加上频域高斯并调整查看效果,找到适合的\(\sigma_w\),再推算出空域高斯所需的\(\sigma_x\)

窗口大小

标准差\(\sigma\)确定后,接下来需要确定窗口大小。上面讲了高斯核是对连续高斯的离散近似,窗口越大自然近似越好,但高斯函数是钟形曲线,距离中心越远数值越小,足够远处可以忽略不计,但多远算远呢?

钟型曲线在区间\((\mu - \sigma, \mu +\sigma)\)范围内的面积占曲线下总面积的\(68\%\)\((\mu - 2\sigma, \mu +2\sigma)\)范围占\(95\%\)\((\mu - 3\sigma, \mu +3\sigma)\)范围占\(99.7\%\),一般\(3\sigma\)外的数值已接近于0,可忽略,半径为\(3\sigma\)即窗口大小为\(6\sigma \times 6\sigma\)即可,通常取最近的奇数。上述3个范围在一维和二维高斯中示意如下:

Gaussian n sigma 范围

OpenCV中标准差与窗口大小的换算

在OpenCV函数createGaussianFilter中,若未指定窗口大小,通过\(\sigma\)推算窗口大小方式如下,半径为\(\sigma\)的3或4倍:

Gaussian kernel size

若指定了窗口大小,但未指定\(\sigma\)大小,则通过窗口大小推算\(\sigma\)的方式如下:

\[\sigma = 0.3\times((ksize - 1)\times0.5 - 1) + 0.8 \]

具体地,在函数getGaussianKernel中,当ksize不大于7时,直接从内部的small_gaussian_tab取对应大小的高斯核,若大于7,则使用上式计算出\(\sigma\)然后套用高斯公式,最后再归一化。

getGaussianKernel

在实际使用时,为了高效,卷积核通常取\([0, 255]\)范围内的整数(1个Byte),因此高斯核中心最大取值为255时,窗口尺寸的选取只需让高斯核边界值刚好大于0即可。令高斯核尺寸为\(n\),半径为\(r\)\(r = \frac{n-1}{2}\),高斯核\(x\)轴上边界\((r, 0)\)处与中心\((0, 0)\)处数值之比如下:

\[\frac{G(r, 0)}{G(0, 0)} = \exp(-\frac{r^2}{2 \times (0.3(r-1)+0.8)^2}) \]

\(r\)足够大,其极限为\(\exp(-\frac{1}{2\times0.3^2})=0.00386592\),若中心值为255,则边界值为\(255*0.00386592=0.9858096 \approx 1\),是合适的。但公式是如何设计出来的还不清楚,这里只是校验了其性质,sigh。

参考

本文出自本人博客:如何确定高斯滤波的标准差和窗口大小

posted @ 2018-09-18 20:37  shine-lee  阅读(21474)  评论(2编辑  收藏  举报