39. 高通滤波器

## 高通滤波器

高通滤波器检测小范围内的强度大变化，并且在灰度图像中可以最好地看到强度图案。

我将要讨论的过滤器是以矩阵的形式出现的，通常称为 卷积内核 ，它们只是修改图像的数字网格。如果你想看到更多的运行中的内核类型，这里有链接 资源 。 下面是一个边缘检测的高通内核的例子。这是一个 3x3 内核，其元素总和为零。

对于边缘检测来说，所有元素总和为 0 很重要，因为边缘滤波器计算相邻像素之间的差异或变化；它们是空间上图像 导数 的近似值。

卷积

在核卷积过程中，3x3 内核是原始灰度图像中每个像素的滑块。内核中的权重在中心像素周围成对地相乘，然后相加。该总和成为新的过滤处理过的输出图像中的像素的值。

该操作处于卷积神经网络的中心，该神经网络使用多个内核来提取基于形状的特征，并识别可准确分类图像集合的图案。这些神经网络在大量的标记数据上训练，他们学习最有效的、有助于正确表征每幅图像的内核权重。

为了处理过滤器不能完全重叠的图像边缘，需要使用各种技术。最常见的一种方法是将图像的边缘像素值向外扩展一个，然后用它来执行卷积。另一种方法是用零填充图像，尽管这样会在滤波的图像中产生较深的边界。