Beruflich Dokumente
Kultur Dokumente
(Fast) jeder Filter basiert auf einem Modell (Annahme): Signal + Rauschen
kxr yr k2
h i
p(xr |yr ) = N (xr ; yr , ) exp
2 2
Weitere Annahme Pixel sind von einander unabhngig verrauscht:
kxr yr k2
Y h i
p(x|y) exp
2 2
r
Annahme:
In einer kleinen Umgebung W (r) D eines Pixels r ist y (fast) konstant yr
kxr 0 yr k2
Y h i
ML: exp max
2 2 yr
r 0 W (r)
X
ln ... : F(yr ) = kxr 0 yr k2 min
yr
r0
F X X
Ableiten: = (xr 0 yr ) = xr 0 |W | yr = 0
yr
r0 r0
1 X
yr = xr 0 (Mittelwert)
|W |
r0
Lsung Medianfilter.
Kantendetektoren, etc.
Explizite Modellierung des Signals ist notwendig (in diesem Fall MRF)
Das Modell entspricht dem Bild exakt. Dies macht genaue Rekonstruktion mglich.
Signal ist die berlagerung der Signale bestimmter Frequenzen Fourier Analyse
u.s.w.
Eindimensional: r N
r+w
1
P
Beispiel: Mittelwertfilter yr = |W |
xr 0 (|W | = 2w + 1)
r 0 =rw
for r = 0 bis n
sum = 0
for r 0 = r w bis r + w
sum = sum + xr 0
yr = sum/|W |
Zeitkomplexitt: n |W |
Idee: (Bildchen)
Besserer Algorithmus:
Berechne xr fr alle r:
for r = 0 bis n
xr = xr1 + xr
Berechne yr :
for r = 0 bis n
yr = (xr+w xrw1 )/|W |
Zeitkomplexitt: n
Faltungen allgemein:
y =x g
X
yi = xij gj
j=
Eigenschaften:
sind kommutativ, d.h. x g = g x;
sind assoziativ, d.h. (x g 1 ) g 2 = x (g 1 g 2 );
sind distributiv mit +, d.h. x (g 1 + g 2 ) = x g 1 + x g 2 .
Inverse Faltungen: g g 1 = g I
Beispiel (j = 0 ist fett gekennzeichnet):
Der Trick zur effizienten Berechnung basiert auf der folgenden Umwandlung: