图像处理中的卷积操作和高斯核

卷积就是滤波操作，将中心点与其邻域加权相加，得到的值就是中心点的新值。滤波之后的中心点的像素值用它周围的点的像素值的加权平均代替，使得边界变得更加模糊（低通滤波）

高斯核

高斯核的函数图像是一个正态分布钟形线，坐标越趋近中心点，值就越大，反之越小。也就是说离中心点越近权值就越大，离中心点越远，权值就越小。

高斯核函数公式中的xy是滤波器的点坐标，计算出来的值是滤波器上的值，也就是图像上每个点对应的权重，用滤波器与原图像滚动相乘，也就得到了最终的处理结果。

p=imread('data/1.jpg');
imshow(p);
g1=rgb2gray(p);
imshow(g1);
%g1=imadjust(g,[0.4,0.6],[0,1]);
%g2=imcomplement(g);
%g3= imadjust(g, stretchlim(g), []);
%imshow(g3)
sigma = 3;

% you can set the sigma yourself
Wx = floor(3*sigma);
% Wx 的确定是根据gaussian函数的分布集中在【Mu-3Sigma, Mu+3sigma]内
x = -Wx:Wx;
g = exp(-(x.^2)/(2*sigma^2));
 
kernel = conv2( g, g');
 
%I =  imread( 'cameraman.gif' );
I = double( g1 );
 
Ig = conv2(I, kernel);  %Use kernel to convolution with Input image
 
figure(1); 
subplot(1,3,1); imagesc(I); axis image; colormap(gray);       title('Input Image');
subplot(1,3,2); imagesc(kernel); axis image; colormap(gray);  title('Gaussian kernel');
subplot(1,3,3); imagesc(Ig); axis image; colormap(gray);      title('Output Image');