[TOC]
lec2
图像滤波
相关运算
卷积
环中心对称的时候卷积相当于滤波。
用途
模板匹配
图像增强
将噪声减弱。
减弱噪声的方式：局部平均。均值滤波
filter的size越大，模糊效果越好。
设计一个滤波器，更关注与图像中心。
$\sigma$越大，滤波效果越明显。
3$\sigma$检验
在3$\sigma$以内，size对滤波效果的影响大，3$\sigma$以外，size的大小的影响效果小。
高斯滤波在计算机视觉中的作用
模拟图像比例的变化。
特征提取
边缘检测
通过求导的方式。
那么，在图像中如何求导呢？
Sobel Detector
非最大抑制 Non-maximum Supression
lec3 纹理
高斯导数滤波器
先相关再求导=先求导再相关
所以可以先求导成为高斯导数滤波器。
!
纹理
拉普拉斯算子（二阶偏导数）
拉普拉斯算子的作用：图像增强
为什么不用作边缘检测呢？
拉普拉斯算子对噪声也很敏感，所以我们可以仿照高斯导数滤波器，对拉普拉斯先滤波再求导。同样地，也可以先求导，再将拉普拉斯导数作为拉普拉斯导数滤波器进行滤波。
注意左上的函数是LOG反过来的（为了好看）
首先因为它的的边缘不连续
其次因为计算零交叉太复杂了，所以它不被用来边缘检测，它通常用来提取纹理特征。
DOG
（不用求二阶导数，但是它的$sigma$可以使DOG和LOG有相同的零交叉）
DOG可以少卷一次。
Filter bank
这里才是LOG真正的样子。
多元高斯分布 Multivariate Gaussian
