高斯濾波對影象方差有什麼影響
均值與方差
首先回憶下均值和方差的定義,若存在\(n\)個數為\(x_1, x_2, \dots, x_n\),則均值\(\mu\)為:
\[\mu = \frac{x_1+x_2+\dots+x_n}{n}\]
均值衡量的是數值集中在哪個數值附近。令標準差為\(\sigma\),則方差\(\sigma^2\)為:
\[\sigma^2 = \frac{1}{n} \sum_{i=1}^{n}(x_i - \mu)^2\]
標準差用於衡量數值分佈距離均值的平均距離,即資料的集中程度。
定性分析
定性地分析,高斯濾波(平滑)對影象進行平滑,會讓當前畫素與周圍畫素更加接近,畫素間更加接近自然方差會變小。從頻域角度,高斯濾波相當於低通濾波,會移除影象中“突兀”的高頻成分
定量分析
定量地看,若不對影象進行任何假設,認為每個畫素符合獨立同分布,其均值和方差分別為\(\mu\)和\(\sigma^2\),對其進行高斯濾波,假定視窗內共有\(n\)個畫素,灰度值為\(x_1, x_2, \dots, x_n\),對應的高斯權重為\(g_1, g_2, \dots, g_n\),有\(\sum_{i=1}^n g_i = 1, \forall g_i>0\),則濾波後的當前畫素的值為:
\[y = \sum_{i=1}^{n} g_i x_i\]
\(y\)的方差即:
\[Var(y) = Var(\sum_{i=1}^{n} g_i x_i)=Var(g_1 x_1 + g_2 x_2 +\dots+g_n x_n)\]
其中當高斯核確定後,\(g_1, g_2, \dots, g_n\)為常數,因為\(x_1, x_2, \dots, x_n\)相互獨立且同分布,則進一步地
\[Var(y) = g_1^2 Var(x_1)+g_2^2Var(x_2)+\dots+g_n^2Var(x_n)=\sigma_2 \sum_{i=1}^{n}g_i^2\]
由上\(\sum_{i=1}^n g_i = 1, \forall g_i>0\),\(\forall g_i <1\),則\(\sum_{i=1}^{n}g_i^2 < 1\),所以\(Var(y)=\sigma^2 \sum_{i=1}^{n}g_i^2 < \sigma^2\)
這裡並不限於高斯濾波,對其他平滑濾波器同樣試用——只需滿足上述權重條件即可,即平滑濾波器將降低影象的方差。
當然,也可以從連續角度分析,具體可見參考部分。