假设外界一维图像光线成像在一维细胞阵列上，光线在细胞阵列光强分布满足G（xn）规律，G（xn）=e1，e2，…，ep。式中，p 表示第p 个细胞，原来第p 个双极细胞感受信号是ep，但细胞p 还受左右两边细胞的侧抑制作用影响。这里先假定左右两边各有三个细胞对其产生影响，抑制规律按K（n）规律变化。那么对双极细胞p 实际得到的输入可以理解为
这里的γp 可看作第p 个双极细胞实际输入的信号大小，由于我们已经知道神经细胞输入和输出的单调性都是一致的，所以在这里按S 空间理论也可将γp 理解为双极细胞p 的输出。
如果把离散的系统变为连续系统，则可以将方程中带有∑的一项更一般化：
这里m 变为连续的x，x 是阵列谱的空间位置，同样n 变为τ，τ 是空间的位移，最后双极细胞阵列输出应该是(www.xing528.com)
式（10-5）与式（10-7）并不完全正确，因为侧抑制引起的影响不一定是“减法”，也可能是改变连接强度，这就变为“乘法”。不管是减还是乘，总之侧抑制起到减弱作用，因此用式（10-7）来理解侧抑制还是有效的。
视觉侧抑制已经被广泛用于图像处理，它可使图像轮廓清晰。侧抑制的效果如图10．11 所示。其中，ξ（x）表示式（10-7）中Q、G、H 等项的大小，它是x 的函数。它的基本原理是，当看到一个类似黑色线条波形G（x）这一类不太陡的“山坡”时，如果我们能找到一个K（·），使它按式（10-6）进行卷积，产生虚线所示的把较为平坦的波形G（x）变换成一个很陡峭的山峰Q（x），那么这可用来增强图像轮廓的清晰度。这一原理已经广泛应用在图像处理中。文献［5］中列出了很多种K（·）函数。
图10.11 侧抑制的效果
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
