各项异性扩散（Anisotropic diffusion）

最新推荐文章于 2025-05-31 11:22:08 发布

原创

最新推荐文章于 2025-05-31 11:22:08 发布 · 1.8w 阅读

·

6

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#图像处理 #计算机视觉 #各向异性扩散 #去噪

各向异性扩散，又称P-M扩散，是一种在保持图像细节的同时降低噪声的图像处理技术。它通过梯度下降法最小化能量函数E来实现图像平滑。这种方法在计算摄影学中有多种用途，如细节增强、HDR色调映射、风格化等。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

各向异性扩散，也叫做P–M扩散，在图像处理和计算机视觉中广泛用于保持图像细节特征的同时减少噪声。

定义

有灰度图像 $I(x,y)$ ，其各向异性扩散方程如下

\partial I \partial t = d i v (c (x, y, t) \nabla I) = \nabla c \nabla I + c (x, y, t) Δ I

${{\partial I} \over {\partial t}} = div(c(x,y,t)\nabla I) = \nabla c\nabla I + c(x,y,t)\Delta I$
其中

Δ $\Delta$ 是Laplacian算子 ,

∇ $\nabla$ 是梯度算子，

div $div$ 是散度，

c(x,

最低0.47元/天解锁文章

200万优质内容无限畅学

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。