一种更快的高斯拉普拉斯算子方法

Question

我目前正在优化我的代码以提高图像处理效率。我的第一个问题是 vision.VideoFileReader 和 step 需要很长时间才能打开每一帧。我通过将我的灰度图像压缩为 1 个 RGB 帧中的 3 个帧来加速我的代码。这样我就可以使用 vid.step() 加载 1 个 RGB 帧，并导入 3 个帧以供处理。

现在我的代码在高斯拉普拉斯 (LoG) 滤波上运行很慢。我读到使用函数 imfilter 可用于执行 LoG，但它似乎是下一个速率限制步骤。

进一步阅读后，imfilter 似乎不是提高速度的最佳选择。显然 MATLAB 引入了 LoG function 但它是在 R2016b 中引入的，不幸的是我正在使用 R2016a。

是否有加快速度的方法imfilter或者是否有更好的函数可用于执行 LoG 过滤？

我应该打电话给python来加快进程吗？

代码：

Hei = gh.Video.reader.info.VideoSize(2);
Wid = gh.Video.reader.info.VideoSize(1);

Log_filter = fspecial('log', filterdot, thresh); % fspecial creat predefined filter.Return a filter.
    % 25X25 Gaussian filter with SD =25 is created.

tic
ii = 1;

bkgd = zeros(Hei,Wid,3);
bkgd(:,:,1) = gh.Bkgd;
bkgd(:,:,2) = gh.Bkgd;
bkgd(:,:,3) = gh.Bkgd;

bkgdmod = reshape(bkgd,720,[]);

while ~isDone(gh.Video.reader)
    frame = gh.readFrame();
    img_temp = double(frame);

    img_temp2 = reshape(img_temp,720,[]);
    subbk = img_temp2 - bkgdmod;

    img_LOG = imfilter(subbk, Log_filter, 'symmetric', 'conv');

    img_LOG =  imbinarize(img_LOG,.002);
    [~, centroids, ~] = gh.Video.blobAnalyser.step(img_LOG);

    toc
end

Answer 1

高斯的拉普拉斯不能直接分离成两个一维核。因此，imfilter 会做一个全卷积，这是相当昂贵的。但我们可以手动将其分离成更简单的过滤器。

高斯拉普拉斯定义为高斯的两个二阶导数之和：

LoG = d²/dx² G + d²/dy² G

高斯本身及其导数，are separable。因此，可以使用 4 个 1D 卷积计算上述内容，这比单个 2D 卷积便宜得多，除非内核非常小（例如，如果内核是 7x7，我们需要 49 个乘法和加法每个像素用于 2D 内核，或者 4 *7=4 个一维核的每个像素有 28 次乘法和加法；这种差异随着核变大而增加）。计算结果为：

sigma = 3;
cutoff = ceil(3*sigma);
G = fspecial('gaussian',[1,2*cutoff+1],sigma);
d2G = G .* ((-cutoff:cutoff).^2 - sigma^2)/ (sigma^4);
dxx = conv2(d2G,G,img,'same');
dyy = conv2(G,d2G,img,'same');
LoG = dxx + dyy;

如果你真的很赶时间，又不关心精度，你可以将 cutoff 设置为 2*sigma（对于较小的内核），但这并不理想。

另一种不太精确的方法是以不同方式分离操作：

LoG * f = ( d²/dx² G + d²/dy² G ) * f
        = ( d²/dx²  * G + d²/dy²  * G ) * f
        = ( d²/dx^2  + d²/dy²  ) * G * f

（其中 * 表示卷积，而 Dirac delta，卷积相当于乘以 1）。 d²/dx² + d²/dy² 运算符在离散世界中并不真正存在，但您可以采用有限差分近似，从而得出著名的 3x3 拉普拉斯核：

[ 1  1  1             [ 0  1  0
  1 -8  1       or:     1 -4  1
  1  1  1 ]             0  1  0 ]

现在我们得到了一个更粗略的近似值，但计算速度更快（2 个 1D 卷积，以及一个具有普通 3x3 内核的卷积）：

sigma = 3;
cutoff = ceil(3*sigma);
G = fspecial('gaussian',[1,2*cutoff+1],sigma);
tmp = conv2(G,G,img,'same');
h = fspecial('laplacian',0);
LoG = conv2(tmp,h,'same'); % or use imfilter

一种更快的高斯拉普拉斯算子方法

A faster approach to Laplacian of Gaussian

matlab

image-processing

optimization

filtering

laplacianofgaussian