如何在三维空间中进行高斯滤波

Question

如何在第三维上进行高斯平滑？ 我有这个检测金字塔，在四个尺度上累积投票。 在每个峰值处发现对象。

我已经在2D中对它们进行了平滑处理，并阅读我的论文，发现需要使用\sigma = 1过滤第三维，这是我以前从未尝试过的，甚至不确定它的含义。

我找到了如何在Matlab中完成它，并需要在OpenCV / C ++中找到类似的东西。

Matlab原始值： Matlab 平滑: M0 = smooth3(M0,'gaussian');

- Poul K. Sørensen

---

额外平滑的目的是什么？每个金字塔级别中是否有不同的信息？ - Michael Kupchick

如果您查看图像，峰值会在其中一个四个尺度中找到，因此我认为平滑处理是为了在所有尺度上找到全局峰值。这是我在检测方面的论文中写的，目前我只是在所有尺度上寻找峰值并验证哪个是最佳候选项，并希望与建议的方法进行比较。 - Poul K. Sørensen

三维高斯平滑与二维高斯平滑是相同的。您可以应用一个三维卷积滤波器，使得G（x，y，z）= Q。 - Adam

我想到了这一点，并且从matlab中发现smooth3d可以做到。你有关于如何在OpenCV中实现这一点的任何建议吗？ - Poul K. Sørensen

你如何绘制图像金字塔？ - mrgloom

Answer 1

高斯滤波器是可分离的。您可以在每个维度上应用1D滤波器，如下所示：

for (dim = 0; dim < D; dim++)
    tensor = gaussian_filter(tensor, dim);

我建议使用OpenCV在C++中实现高斯滤波（以及图像处理）。

请注意，这假定您的金字塔级别都具有相同的大小。您可以拥有自己的函数，即在卷积第三个维度时实时采样您的尺度空间金字塔，但是如果您有足够的内存，我相信将较粗糙的级别缩放到与最细的��别具有相同的大小会更快。

- Yoav

Answer 2

很久以前（2008-2009年），我开发了一个小型的C++模板库，用于应用一些简单的变换和卷积滤波器。该库的源代码可以在Linderdaum引擎中找到 - 它与引擎的其余部分无关，并且不使用任何引擎的功能。许可证是MIT，所以你可以随意使用它。

请查看Linderdaum源代码（http://www.linderdaum.com）中的Src/Linderdaum/Images/VolumeLib.*。

准备核的函数是PrepareGaussianFilter()，MakeScalarVolumeConvolution()应用了该过滤器。很容易将该库适配到不同的数据源，因为I/O是使用回调函数实现的。

- Viktor Latypov