我在数字图像恢复领域工作。根据它,图像退化模型定义如下:
g(x,y) = h(x,y)*f(x,y) + n(x,y)
很多次我研究过模糊内核是移位不变的,谁能解释一下这是什么意思。?我已经在谷歌上搜索过了,但我没有得到满意的答案,我可以在我的演讲中说出来。
我在数字图像恢复领域工作。根据它,图像退化模型定义如下:
g(x,y) = h(x,y)*f(x,y) + n(x,y)
很多次我研究过模糊内核是移位不变的,谁能解释一下这是什么意思。?我已经在谷歌上搜索过了,但我没有得到满意的答案,我可以在我的演讲中说出来。
移位不变量意味着如果某个任意值x被添加(或减去)样本的每个元素(在本例中为内核覆盖的像素),那么内核的结果也会受到加法(或减法)的影响的值x。
如果您将模糊内核视为简单的平均值(均值)而不是高斯或其他,则最容易理解。
因此,如果您有带值的像素v1, v2, v3 ... vn
平均, A = (v1 + v2 + v3 + ... vn) / n
,
那么如果你x
为每个像素添加一些值(即v1 + x, v2 + x, v3 + x ... vn + x
),
新的平均值就是A + x
.
因此,卷积的输出与每个输入的偏移量相同。因此移位不变。