动机
平滑、锐化、边缘检测与模糊,都是把每个像素换成其邻近像素的加权和,而且各处权重相同。本单元为这一运算给出精确形式,证明刻画它的特征,说明如何低成本计算,并把它与频率联系起来。本单元依赖“采样、混叠与预滤波”一课所引入的平均滤波,并为模糊逆运算与梯度成像等单元提供语言。
定义
先讨论一维信号 (),假设在某有限范围之外为零;图像用同样的公式、改用两个下标处理。
定义 9.2.1
(核、相关与卷积)
核是有限支撑的序列 。 与 的相关及卷积为
卷积就是用翻转后的核 做相关。对称核 的两者相同。对图像,,形式相同。
定义 9.2.2
(线性平移不变算子)
信号上的算子 若满足 称为线性;若与平移 可交换,称为平移不变。
定义 9.2.3
(频率响应)
核 的频率响应为 ( 为实数)。
在图像边缘,求和会用到不存在的像素。常见做法有:补零(把缺少的像素当作 )、复制边缘值、镜像,或只输出有效部分(只在整个核都落在图像内的位置计算)。下文有关精确公式的结论均假设已指明所用约定;边界附近的结果随约定而异。
主要结果
定理 9.2.4
(线性平移不变滤波器的刻画)
设 是有限支撑信号上的线性平移不变算子。令 ,其中 在 时为 ,其余为 。则对每个这样的 ,。
证明
(把信号分解为平移后的脉冲)
每个有限支撑的 都等于有限和 。由线性与平移不变性,。以 代换,得 。
证明透视
一个输出决定整个算子
每个假设都恰好用一次。有限支撑使脉冲分解成为有限和,所以不需要假设 连续。线性让 可以穿过这个和与系数 。平移不变把 变成 ,即单个已知输出 的平移副本。
不显然的一步,是只在一个信号(脉冲)上测试算子,再由它的平移副本重建所有其他输出。证明以纯粹的重新编号收尾,这正是卷积带有翻转下标 的原因:位置 的输出,汇集了放在每个输入位置 的那个 副本。若去掉平移不变性,前两步仍成立,第三步却不成立,下一个例子会说明这一点。
核 称为脉冲响应:对单个亮像素滤波,所得结果就是该核的一个副本。
反例模式
只有线性不足以得到卷积
一个诱人的说法是:信号上的每个线性算子都是与 的卷积。取算子 ,即每隔一个样本取一个。它是线性的,而 ,所以 。对 ,因为 没有整数解,所以对每个 都有 ,而 。这个算子并非平移不变:输入平移一个样本,输出并不平移一个样本。修正办法是要求平移不变;因此下采样被分析为卷积再加采样。
命题 9.2.5
(卷积满足交换律与结合律)
卷积满足交换律与结合律, 是单位元。因此连续施加的线性滤波可以按任意次序进行,且 。
证明
(重新编号各求和式)
交换律由求和式中作代换 得到。结合律:,按 合并各项,得 ;所有求和皆为有限和。 是单位元,则由 得出。
定理 9.2.6
(可分离核)
若二维核具有形式 ,则 ,其中 沿第一个下标滤波, 沿第二个下标滤波。支撑为 的核具有此形式,当且仅当其矩阵的秩至多为一。
证明
(把第一个下标提到括号内)
,即所述的复合。矩阵 的秩至多为一,而每个秩至多为一的矩阵都等于某个 。
因此 的可分离核每个输出像素只需 次乘法,而非 次。采样后的高斯(Gauss)核 恰好可分离。并非每个看似平滑的二维核都可分离,应检查核矩阵的秩。
定理 9.2.7
(卷积定理(循环情形))
对 周期序列定义 DFT 及循环卷积 。则 。
证明
(拆开指数函数)
。把 写成 ,固定 先对 求和。由于 与指数函数都以 为周期, 只是置换剩余类,内层和即 。其余部分为 。
概念视角分析
滤波器是每个频率上的乘数
复指数 是每个卷积的本征函数:。在这种描述下,同一个滤波器不再是滑动加权和,而是一列数 ,说明各频率被缩放多少。先后施加响应为 的两个滤波器,频率 的缩放因子为 ,所以滤波器的复合就变成响应相乘。
例题
例题 9.2.8
(平滑脉冲与滤波复合)
设 (位置 ),(位于 ),补零。每个位置 有 :
例如 ,。核的权重和为 ,所以总和 不变。再者,核 与自身卷积得 ,因为偏移 处的系数,等于各取一个抽头而和为所需偏移的配对个数,即 对,每对权重为 ;由结合律,两次三抽头平均等于一次五抽头核。
例题 9.2.9
(图像块上的可分离滤波)
设 ,,并取图像块 。直接计算的中心响应(核对称)为 。分离计算:用 对 的每一列(纵向)滤波,三列分别得 、、;再用 对该行 滤波得 。两条途径一致,正如可分离核的结果所言。对 的核,每个输出像素的乘法由 次减为 次。
例题 9.2.10
(读出频率响应)
对 ,。于是 ,,。序列 被完全消去:。以周期为四的信号 验证 :,,与 及 吻合。
常见错误与细微之处
常见错误
(混淆相关与卷积)
卷积翻转核,相关则不翻转。对导数模板这类反对称核,例如 、、,两者相差一个正负号。取 (位置 ),在 处,相关给出 ,卷积给出 。
常见错误
(忘记归一化)
平滑核的权重和应为 ,以保持平均亮度;导数核的和应为 ,使常数映为 。若模糊核的抽头为 而没有除以 ,任何常数图像都会变成原来的四倍亮度,看起来像增益错误,而不是平滑。
常见错误
(用循环卷积代替线性滤波)
卷积定理针对循环卷积。取 、。线性卷积为 ,有五项;循环卷积则把最后一项绕回第一项,得 。用 DFT 计算线性卷积须先补零至长度至少为五,才不会发生环绕。
习题
练习 9.2.11
(计算 与 的完整卷积,两者都从下标 开始。)
基础
解答(2)
- 1
写出此核的定义和
由于 、,,其中 在 之外为 。
- 2
计算输出可能非零的每个下标
;;;。所以 。核对:各项之和为 ,等于 。
依据: 完整输出的长度为 。
练习 9.2.12
(设 (),核为 、、。计算 与 。)
基础
解答(3)
- 1
计算相关
。
- 2
计算卷积
。
依据: 卷积用 代替 。
- 3
比较两者
两者符号相反,任何反对称核都是如此。
练习 9.2.13
(判断 与 是否可分离;若可以,给出 与 。)
核心
解答(3)
- 1
检验第一个矩阵的秩是否为一
第二列 是第一列 的两倍,所以秩为一。
- 2
分解为
所以 、。
- 3
检验单位矩阵
单位矩阵的行列式为 ,所以秩为二,不可分离。
依据: 可分离表示秩至多为一。
练习 9.2.14
(求 (抽头位于 )的频率响应,并在 与 处求值。)
核心
解答(3)
- 1
把指数函数相加
- 2
在两个频率处求值
,。
- 3
解读
常数信号被映为零,交替信号被放大 倍:这是高通的二阶差分滤波器。