參考博客：

圖像卷積與濾波

0 基礎(chǔ)知識

接上一篇MOSSE相關(guān)濾波跟蹤算法

線性濾波與卷積的基本概念

線性濾波過程：使用一個(gè)二維的濾波器矩陣（卷積核）在一副二維圖像上滑動(dòng)，對圖像上每一個(gè)像素點(diǎn)，計(jì)算它的領(lǐng)域像素和濾波器矩陣上對應(yīng)元素的乘積，然后加起來，作為輸出圖像該像素位置上的值；

卷積和協(xié)相關(guān)的差別：卷積需要先將濾波矩陣進(jìn)行180°的翻轉(zhuǎn)；

因?yàn)榫矸e和協(xié)相關(guān)都是線性，而且具有平移不變性（圖像的每個(gè)位置都執(zhí)行相同的操作）；

2D卷積需要4個(gè)嵌套循環(huán)4-double loop，速度并不是很快，除非使用很小的卷積核，3×3或者5×5；

a. 濾波器大小應(yīng)該是奇數(shù)，這樣才有中心，才有半徑對稱；

b. 濾波器矩陣所有元素之和應(yīng)該等于1，這是為了保證濾波前后圖像的亮度保持不變；

c. 如果濾波器矩陣所有元素之后大于1，濾波后的圖像就會比原圖像更亮，反之，如果小于1，那么圖像就會變暗；如果和為0，圖像不會變黑，但是會非常安；

d.濾波后的結(jié)構(gòu)，可能會出現(xiàn)負(fù)數(shù)或者大于255的數(shù)值。對這種情況，需要截?cái)?和255之間即可，對負(fù)數(shù)也可以取絕對值。

????????1.銳化濾波操作：實(shí)際上是計(jì)算當(dāng)前點(diǎn)和周圍點(diǎn)的差別，然后將這個(gè)差別加到原來的位置上。另外，中間點(diǎn)的權(quán)值要比所有的權(quán)值和大于1，意味著這個(gè)像素要保持原來的值

????????2. 邊緣檢測：相當(dāng)于求導(dǎo)的離散版本，將當(dāng)前的像素值減去前一個(gè)像素值，得到這兩個(gè)位置的差別或者斜率。在實(shí)際使用的過程中，盡量將矩陣中所有的值加起來為0。

????????3.浮雕濾波：將中心一邊的像素減去另一邊的像素，像素值可能是負(fù)數(shù)，負(fù)數(shù)就當(dāng)陰影，正數(shù)為光。

?????????4.均值值濾波：當(dāng)前像素和其四領(lǐng)域的像素一起取平均，然后除以5，或者直接在濾波器的地方取0.2的值即可。

?????????5.高斯濾波：利用高斯模型，建立濾波矩陣，優(yōu)點(diǎn)就是很平滑。

1 MOSSE算法步驟

回歸正題，相關(guān)濾波的檢測原理就是使用一個(gè)相關(guān)核與圖像進(jìn)行相關(guān)，得到響應(yīng)圖峰值所在的位置，即當(dāng)前幀目標(biāo)的預(yù)測位置。為了得到響應(yīng)圖，需要求出濾波器模板頻域的表示值即可。??

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

Step1. 預(yù)處理

a. FFT卷積算法需要將圖像和濾波器映射到拓?fù)浣Y(jié)構(gòu)上，邊界采用循環(huán)圖像的方式填充，即將圖像的左邊緣連接到右側(cè)邊緣，將頂部連接到底部；

b. 周期卷積會對輸入數(shù)據(jù)進(jìn)行周期填補(bǔ)，引入一些artifacts；

c. 采用點(diǎn)乘余弦窗處理，使圖像邊緣慢慢變成零。

Step2. MOSSE濾波

a. 求解目標(biāo)圖像和相關(guān)濾波核 的 最小二乘法求解：

????????????????????

b. 經(jīng)過一系列推導(dǎo)，找到MOSSE濾波器的一個(gè)封閉解：

?c. 更新MOSSE濾波器：

整個(gè) MOSSE算法的研究到此，接下來就是代碼實(shí)踐了！

總結(jié)

以上是生活随笔為你收集整理的MOSSE相关滤波跟踪算法（二）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。