本文介绍了泊松图像编辑的概念和应用，重点讨论了梯度、拉普拉斯算子以及边界条件在该问题中的作用。泊松编辑用于合成自然的图像，通过保持目标物体的梯度信息来优化图像拼接。然而，这种方法对粘贴区域与目标背景的相似性有一定要求，否则可能导致图像破损。文章还提到了不规则轮廓泊松扩散的实现，以解决方形区域限制的问题，并概述了实现步骤。
poison学习笔记
“泊松”相关的知识算是我比较早接触的知识之一，后面也用此做了一些相关的验证工作，因此在写那个验证工作前，还是先复习一下“泊松”
之所以加双引好的“泊松”，是因为相关的知识还是蛮多的，而我学到的其实只是一个相关点。叫做泊松图像编辑。问题的背景是这样的。假设有两幅图A,B，在A中有一个你很想要的物品，例如狗，而B中有一个你很想要的场景，比如沙滩。你希望狗和沙滩放在同一张照片上，因此你会去用ps抠图，去贴合，去优化。可以知道，最难的就是这个优化，因为要让合成看起来自然，这个优化显得尤为重要，但是显然这个技术很难。于是乎就有人研究出了去解决这个问题的算法，也就是——泊松图像编辑了。
这个问题说起来挺简单的，但是涉及到的知识还是蛮多的。首先就得理解一个概念。梯度。这是我从本科生转换到研究生第一个理解的概念。图像的梯度。在高数课本上，有关于梯度的定义，那是对于连续函数而言的定义。而对于一副图像，显然是一些离散的点，像素构成的，因此那个定义可以被放松。说得玄乎点，就是可以用差分来近似微分。说得简单点，就是，相邻像素的差就可以看作是像素的梯度信息。至于谁减谁，是上减下，左减右，还是反过来，这个纯属个人定义。在图像处理中还有很多关于梯度的算子。sobel算子，拉普拉斯算子等！而在这泊松图像边界中就是用到了拉普拉斯算子。关于梯度就先说这么多。
好了，那怎么去看待泊松图像编辑这个问题呢。首先看一下问题的表示：
其中，第一幅图表示的是一个
扫一扫
2364
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
