0 Daumen
353 Aufrufe

Ich habe einen Filter, den ich auf ein Bild anwende. Dieser besteht darin für jeden Pixel in einem Bild die umliegenden 8 pixel zu nehmen und das Pixel in der Mitte zu berechnen, indem man alle umliegenden Pixelwerte (inklusive dem in der Mitte) addiert und anschließend durch 9 teilt. Der Rand soll dabei nicht beachtet werden. Ich soll zeigen, dass der Gauss-Filter für eine unendliche Standardabweichung das gleiche Bild wie mit dem anderen Filter liefert. Wie beweise ich das mathematisch?

Avatar von

1 Antwort

+2 Daumen
 
Beste Antwort

Das, was Du als ersten Filter beschreibst, kenne ich unter dem Begriff "gleitender Mittelwert". Dieser ist (wie auch der Gauss-Filter) ein Tiefpass-Filter, was Du daran erkennst, dass die Summe aller Filterkerneinträge einen von \(0\) verschiedenen Wert ergeben. Deiner Beschreibung nach handelt es sich um einen \(3\times3-\)Filterkern. Für den gleitenden Mittelwert ist der Kern \(M\in\mathbb{R}^{3\times3}\) also: $$M=\frac{1}{3^2}\cdot \left(\begin{matrix}1 & 1& 1\\ 1& 1& 1\\ 1& 1 & 1\end{matrix}\right)$$ Sei \(H\in\mathbb{R}^{3\times3}\) der Gauss-Tiefpass. Dann beschreibe $$h(x,y)=\dfrac{e^{-\frac{x^2+y^2}{2\sigma^2}}}{2\pi\cdot \sigma^2}$$ den Eintrag in \(H\) an der Position \((x,y)\). Sei weiterhin \(m\in\mathbb{R}\) der "Normierungsfaktor". Dann können wir den Gauss-Tiefpassfilter wie folgt beschreiben: $$H=\underbrace{\left(\sum_{x,y\in H}{h(x,y)}\right)^{-1}}_{=m} \left(\begin{matrix}h(-1,1) & h(0,1)& h(1,1)\\ h(-1,0)& h(0,0)& h(1,0)\\ h(-1,-1)& h(0,-1) & h(1,-1)\end{matrix}\right)$$ Es ist also $$m=\left(\sum_{x,y\in H}{\dfrac{e^{-\frac{x^2+y^2}{2\sigma^2}}}{2\pi\cdot \sigma^2}}\right)^{-1}=2\pi\cdot \sigma^2\cdot \left(\sum_{x,y\in H}{e^{-\frac{x^2+y^2}{2\sigma^2}}}\right)^{-1}$$ Als Faktor vor dem Gauss-Kern ist \(m\) mit jedem Element in \(H\) zu multiplizieren (bzw. das bedeutet diese Schreibweise). Ein Element in \(H\) ergibt sich also durch \(m\cdot h(x,y)\) wie folgt: $$m\cdot h(x,y) = 2\pi\cdot \sigma^2\cdot \left(\sum_{x,y\in H}{e^{-\frac{x^2+y^2}{2\sigma^2}}}\right)^{-1}\cdot \dfrac{e^{-\frac{x^2+y^2}{2\sigma^2}}}{2\pi\cdot\sigma^2}= \left(\sum_{x,y\in H}{e^{-\frac{x^2+y^2}{2\sigma^2}}}\right)^{-1}\cdot e^{-\frac{x^2+y^2}{2\sigma^2}}$$ Es ist $$\lim_{\sigma\longrightarrow\infty}{e^{-\frac{x^2+y^2}{2\sigma^2}}}=e^0=1$$ (ggf. kannst Du hier eine sauberere Grenzwertbetrachtung machen; Stichwort: Epsilontik). Damit berechnen wir: $$m^{-1}=\sum_{x,y\in H}{e^{-\frac{x^2+y^2}{2\sigma^2}}}=\sum_{x,y\in H}{1}=9$$ denn wir haben einen \(3\times3-\)Gauss-Tiefpass. Es ist also $$\lim_{\sigma\longrightarrow\infty}{m\cdot h(x,y)=(3^2)^{-1}=\dfrac{1}{9}=\dfrac{1}{3^2}}$$ Der Gauss-Filterkern hat also für \(\sigma\longrightarrow \infty\) folgende Gestalt: $$\left(\begin{matrix}(3^2)^{-1}&(3^2)^{-1}&(3^2)^{-1}\\(3^2)^{-1}&(3^2)^{-1}&(3^2)^{-1}\\(3^2)^{-1}&(3^2)^{-1}&(3^2)^{-1}\end{matrix}\right)=\dfrac{1}{3^2} \left(\begin{matrix}1&1&1\\1&1&1\\1&1&1\end{matrix}\right)$$ Und das ist genau die Gestalt von \(M\) \(\square\)

Ich hoffe, dass Dir das weiterhilft!

André

Avatar von

Ein anderes Problem?

Stell deine Frage

Willkommen bei der Mathelounge! Stell deine Frage einfach und kostenlos

x
Made by a lovely community