Обработка изображений играет решающую роль в различных приложениях, таких как компьютерное зрение, медицинская визуализация и цифровая фотография. Двумя фундаментальными операциями, используемыми при обработке изображений, являются корреляция и свертка. В этой статье мы рассмотрим эти операции, поймем их различия и предоставим примеры кода для демонстрации их применения.

Понимание корреляции.
Корреляция — это математическая операция, которая измеряет сходство между двумя сигналами или изображениями. В контексте обработки изображений корреляция помогает обнаруживать закономерности или особенности изображения. Операция корреляции включает в себя перемещение ядра (также известного как фильтр или шаблон) по изображению и вычисление скалярного произведения между ядром и соответствующими значениями пикселей. Результат указывает на сходство между ядром и содержимым основного изображения.

Пример кода – корреляция:
Давайте рассмотрим пример, в котором мы хотим обнаружить края в изображении в оттенках серого, используя простое ядро ​​обнаружения краев:

import cv2
import numpy as np
def correlate(image, kernel):
    result = cv2.filter2D(image, -1, kernel)
    return result
# Load the image
image = cv2.imread('image.jpg', 0)  # Read as grayscale
# Define the edge detection kernel
kernel = np.array([[-1, -1, -1],
                   [-1,  8, -1],
                   [-1, -1, -1]])
# Apply correlation to detect edges
edges = correlate(image, kernel)
# Display the results
cv2.imshow('Original Image', image)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

Понимание свертки.
Свертка — это фундаментальная операция обработки изображений, которая включает в себя применение ядра к изображению для выполнения различных задач, таких как размытие, повышение резкости или обнаружение краев. В отличие от корреляции, свертка включает переворот ядра перед скалярным произведением изображения. Эта операция переворота приводит к иному поведению по сравнению с корреляцией.

Пример кода – свертка:
Давайте рассмотрим пример, в котором мы применяем размытие по Гауссу к цветному изображению с помощью ядра свертки:

import cv2
import numpy as np
def convolve(image, kernel):
    result = cv2.filter2D(image, -1, kernel)
    return result
# Load the image
image = cv2.imread('image.jpg')
# Define the Gaussian blur kernel
kernel = np.array([[1, 2, 1],
                   [2, 4, 2],
                   [1, 2, 1]]) / 16
# Apply convolution to blur the image
blurred_image = convolve(image, kernel)
# Display the results
cv2.imshow('Original Image', image)
cv2.imshow('Blurred Image', blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

Корреляция и свертка — важные операции обработки изображений, каждая из которых имеет свои собственные применения и характеристики. Корреляция полезна для обнаружения закономерностей или особенностей изображения, а свертка обычно используется для таких задач, как размытие, повышение резкости или обнаружение краев. Понимание различий между этими операциями позволяет нам выбрать подходящий метод в зависимости от желаемого результата.