FILTRO GAUSSIANO

MICAEL LEVI NUNES DE SOUZA

DEFINIÇÃO
O filtro gaussiano é utilizado para borrar imagens e remover ruídos de alta frequência e detalhes. Em uma
dimensão, a função gaussiana é:

1 𝑥2
− 2
𝐺 𝑥 = 𝜚 2𝜎
2𝜋𝜎 2
Para trabalhar com imagens, é necessário usar a função gaussiana para duas dimensões, que o produto de
duas funções gaussianas para uma dimensão, uma para cada direção:

1 𝑥 2 +𝑦 2
−
𝐺 𝑥, 𝑦 = 𝜚 2𝜎2
2𝜋𝜎 2
DEFINIÇÃO

1 𝑥 2 +𝑦 2
−
𝐺 𝑥, 𝑦 = 𝜚 2𝜎2
2𝜋𝜎 2
G(x,y) – Valor calculado usando a formula gaussiana. Este valor forma parte da máscara, representado
apenas um elemento.
22
𝜋 – Pi. Constante matemática definida como .
7
𝜎 – Sigma. Este símbolo representa o desvio padrão ou fator, conforme especificado pelo usuário.
𝜚 – Símbolo que representa o número de Euler (2.71828182846).
X, y – Estas se relacionam às coordenadas de um pixel em uma imagem. Y representa o deslocamento
vertical ou linha e X represente o deslocamento horizontal ou coluna.
DEFINIÇÃO

Representação gráfica 2D Mascara 5X5

DEFINIÇÃO

• Tanto o tamanho do desvio padrão, quanto o tamanha da máscara alteram o resultado final
• Quanto maior o tamanho da máscara, maior será a quantidade de desfoque da imagem resultado
• Quanto menor o tamanho do desvio padrão, menor a quantidade de desfoque da imagem resultado
CALCULO

Calculando mascara 3x3 com σ = 5.5

𝑥 +𝑦 2 2
1 −
𝐺 𝑥, 𝑦 = 2 𝜚 2𝜎2
2𝜋𝜎
Calcular G(x,y) para cada elemento da máscara

2
1 +1 2 2
0 +1 2 2
1 +1 2
1 −
2(5.5)2
1 −
2(5.5)2
1 −
2(5.5)2
𝜚 𝜚 𝜚
2𝜋(5.5)2 2𝜋(5.5)2 2𝜋(5.5)2
2
1 +0 2 2
0 +0 2 2
1 +0 2
1 −
2(5.5)2
1 −
2(5.5)2
1 −
2(5.5)2
𝜚 𝜚 𝜚
2𝜋(5.5)2 2𝜋(5.5)2 2𝜋(5.5)2
2
1 +1 2 2
0 +1 2 2
1 +1 2
1 −
2(5.5)2
1 −
2(5.5)2
1 −
2(5.5)2
𝜚 𝜚 𝜚
2𝜋(5.5)2 2𝜋(5.5)2 2𝜋(5.5)2
CALCULO
0.0050902359081023384 0.0051750712256953364 0.0050902359081023384
0.0051750712256953364 0.0052613204327899288 0.0051750712256953364
0.0050902359081023384 0.0051750712256953364 0.0050902359081023384
Multiplicar cada elemento da máscara por um dividido valor total da soma dos elementos
1
0.046322548968
Resultado
0.1098867834673 0.1117181878155 0.1098867834673
0.1117181878155 0.1135801148688 0.1117181878155
0.1098867834673 0.1117181878155 0.1098867834673
MODO DE APLICAÇÃO
Matematicamente, a aplicação do filtro gaussiano é realizada da mesma forma que a convolução da
imagem
MODO DE APLICAÇÃO
Resultado

0.78391976446689 1,34070982190129
1,3351850861516 1,5604528661308
99 98
1,22529830268429
1,8882512894794 2,1117487105206 1,5641461975323
98
1,77656362436900
1,2271297070325 1,8864198851312 1,3370164904998
02
0,89380654793419
1,115411519217 1,1117181878155 0,6722015766514
99
DESVIO PADRÃO

• 68% dos valores estão dentro de 1𝜎 da média.

• 95% dos valores estão dentro de 2𝜎 da média.
• 99,7% dos valores estão dentro de 3𝜎 da média.
DESVIO PADRÃO

• Em teoria, a função gaussiana em cada ponto da imagem será diferente de zero, o que significa que a
imagem inteira precisaria ser incluída nos cálculos de cada pixel.

• Na prática, ao calcular uma aproximação discreta da função gaussiana, os pixels a uma distância de mais
de 3𝜎 têm uma influência pequena o suficiente para serem considerados efetivamente zero.

• Assim, as contribuições de pixels fora desse intervalo podem ser ignoradas.

DESVIO PADRÃO
População
• Conjunto (-5, 1, 8, 7, 2)
• Quantidade: 5, Soma: 13, Média: 2.6
• Diferença : -7.6, -1.6, 5.4, 4.4, -0.6
• 𝐷𝑖𝑓𝑒𝑟𝑒𝑛ç𝑎2 : 57.76, 2.56, 29.16, 19.36, 0.36
• Soma da 𝐷𝑖𝑓𝑒𝑟𝑒𝑛ç𝑎2 : 109.2
• Variância: 21.84
• Soma da 𝐷𝑖𝑓𝑒𝑟𝑒𝑛ç𝑎2 / Quantidade
• Desvio Padrão: 4.673328578
• Raiz Quadrada da variância
Amostra
• Conjunto (-5, 1, 8, 7, 2)
• Quantidade: 5, Soma: 13, Média: 2.6
• Diferença : -7.6, -1.6, 5.4, 4.4, -0.6
• 𝐷𝑖𝑓𝑒𝑟𝑒𝑛ç𝑎2 : 57.76, 2.56, 29.16, 19.36, 0.36
• Soma da 𝐷𝑖𝑓𝑒𝑟𝑒𝑛ç𝑎2 : 109.2
• Variância: 27.3
• Soma da 𝐷𝑖𝑓𝑒𝑟𝑒𝑛ç𝑎 2 / (Quantidade – 1)
• Desvio Padrão: 5.224940191
• Raiz Quadrada da variância
DESVIO PADRÃO

• Pode ser definido uma relação entre o desvio padrão e o tamanho da máscara:
• Tamanho da máscara = (𝜎 * 3)
• Nvidia

• Tamanho da máscara = (𝜎 ∗ 4 + 0.5)

• filters.py
𝑇𝑎𝑚𝑎𝑛ℎ𝑜 𝑑𝑎 𝑚á𝑠𝑐𝑎𝑟𝑎 −1
• Desvio padrão = 4
2
• Desvio padrão = 𝑇𝑎𝑚𝑎𝑛ℎ𝑜 𝑑𝑎 𝑚á𝑠𝑐𝑎𝑟𝑎
EXEMPLOS
Imagem original Máscara 3x3, sigma = 5.5
EXEMPLOS
Imagem original Máscara 3x3, sigma = 5.5
EXEMPLOS
Imagem original Máscara 11x11, sigma = 5.5
EXEMPLOS
Imagem original Máscara 13x13, sigma = 9.25
EXEMPLOS
Imagem original Máscara 19x19, sigma = 9.25
EXEMPLOS
Imagem original Máscara 5x5, sigma = 1
UTILIZAÇÕES
• Detecção de borda
• A maioria dos algoritmos de detecção de borda é sensível ao ruido. O uso do filtro gaussiano, antes da detecção
de bordas, visa reduzir o nível de ruído da imagem.
• Fotografia
• Câmeras de digitais de baixo custo, incluindo muitas câmeras de telefones celulares, geralmente usam o filtro
gaussiano para encobrir o ruido da imagem causado por sensibilidades à luz.
REFERÊNCIAS

• GPU GEMS 3 – Chapter 40. Incremental Computation of the Gaussian. Link:

https://developer.nvidia.com/gpugems/gpugems3/part-vi-gpu-computing/chapter-40-incremental-computation-gaussian
• C # How to: Calculating Gaussian Kernels. Link: https://softwarebydefault.com/2013/06/08/calculating-gaussian-kernels/
• Gaussian Distribution Function. Link: http://hyperphysics.phy-
astr.gsu.edu/hbase/Math/gaufcn.html#:~:text=Gaussian%20Distribution%20Function&text=The%20nature%20of%20the%20
gaussian,over%20from%20the%20binomial%20distribution%20).
• Normal Distribution. Link: https://www.mathsisfun.com/data/standard-normal-distribution.html
• Gaussian blur. Link: https://en.wikipedia.org/wiki/Gaussian_blur
• Filtros Compostos e Adaptativos: o filtro de Gaussiano, Laplaciano do Gassiano e de Gabor (Harmônico-Gaussiano). Link:
http://www.ic.uff.br/~aconci/gabor.pdf
• PMR2560 – Visão Computacional Filtragem e Suavização. Link:
https://edisciplinas.usp.br/pluginfile.php/4433646/mod_resource/content/0/V9%20-Filtragem%20e%20suavizacao.pdf