Marr-Hildreth(高斯拉普拉斯算子)滤波器的复杂度是多少?
What is the complexity in Marr-Hildreth (Laplacian of aGaussian) filter?
高斯滤波器拉普拉斯算子有什么缺点?为什么我们要进行高斯差分?
高斯拉普拉斯没有缺点。我用它所有的时间。高斯差分是一个近似值,但两者需要的计算量相同:
LoG:与高斯分布 x 的二阶导数卷积 + 高斯分布 y 的二阶导数卷积
DoG:与高斯卷积 - 与另一个高斯卷积
这些卷积中的每一个都是一个可分离的操作,因此都需要 4 个一维卷积和 1 个中间图像来存储两个结果之一。
许多人以不同的方式实现这些操作,例如 LoG 作为与高斯卷积然后与离散拉普拉斯算子的卷积。这又是一个近似值,可能会稍微快一些。
DoG 也有可分离的近似值(因此只需要 2 个 1D 卷积),但它们的各向同性要小得多(这意味着图像的旋转不是不变的)。
鲜为人知的事实:随着高斯差分中的两个西格玛相互接近,近似值变得更类似于高斯拉普拉斯。
编辑: 我刚刚发布了更多 elaborate answer over at Signal Processing。
高斯滤波器拉普拉斯算子有什么缺点?为什么我们要进行高斯差分?
高斯拉普拉斯没有缺点。我用它所有的时间。高斯差分是一个近似值,但两者需要的计算量相同:
LoG:与高斯分布 x 的二阶导数卷积 + 高斯分布 y 的二阶导数卷积
DoG:与高斯卷积 - 与另一个高斯卷积
这些卷积中的每一个都是一个可分离的操作,因此都需要 4 个一维卷积和 1 个中间图像来存储两个结果之一。
许多人以不同的方式实现这些操作,例如 LoG 作为与高斯卷积然后与离散拉普拉斯算子的卷积。这又是一个近似值,可能会稍微快一些。
DoG 也有可分离的近似值(因此只需要 2 个 1D 卷积),但它们的各向同性要小得多(这意味着图像的旋转不是不变的)。
鲜为人知的事实:随着高斯差分中的两个西格玛相互接近,近似值变得更类似于高斯拉普拉斯。
编辑: 我刚刚发布了更多 elaborate answer over at Signal Processing。