TA的每日心情 | 衰
2019-11-19 15:32 |
|---|
签到天数: 1 天 [LV.1]初来乍到
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
) R$ ~$ o& t7 z$ [& Z方法包括：直方图修正，灰度变换，图像平滑化，图像锐化等。3 W! |3 Y* p2 f2 M- b0 S6 l
$ v) N" b N4 M+ u& v; k
卷积时模板是相对中心点做镜像后再对F位于模板下的子图像作加权和的。只有模板本身是关于中心点对称，相关和卷积结果才会相同。
" e) K' ^7 F) b$ C) w
* A: r3 _% F9 K2 r( @- % 均值滤波 f = imread('../lena_AdaptiveMedianFilter.bmp'); %读入图像 imshow(f); %得到图5.2（a）的图像 w = [1 1 1; 1 1 1; 1 1 1] / 9 %滤波模板 g = imfilter(f, w, 'conv', 'replicate'); %滤波 滤波过程corr--相关 conv--卷积 figure, imshow(g); %得到5.2（b）的图像 replicate 重复的边界填充方式
$ d; a5 ]% I6 s2 q
: ]1 U" s) d3 o. o% `
1 w/ x3 e3 t C% E
; i7 ~% H) @ @4 }8 V# J: n 图像平滑可以减少和抑制图像噪声。
' u y9 B) y+ |( R6 D+ D W$ g' R# m: e6 I# T& B6 S( E8 b1 S
平均平滑
" i, Y6 F- O) E3 b
+ s2 E- y+ H% b1 w, K- I = imread('../baby_noise.bmp'); figure, imshow(I) h = fspecial('average', 3); % 3*3平均模板 I3 = imfilter(I, h, 'corr', 'replicate'); % 相关滤波，重复填充边界 figure, imshow(I3) h = fspecial('average', 5) % 5*5平均模板 I5 = imfilter(I, h, 'corr', 'replicate'); figure, imshow(I5) h = fspecial('average', 7); % 7*7平均模板 I7 = imfilter(I, h, 'corr', 'replicate'); figure, imshow(I7)
. X- i! p: u0 A1 T3 n+ [
' ?/ F* X7 B4 K* B9 U3 k6 o- F# C
/ l1 [. \1 i3 U2 q9 Y' G
高斯平滑
% a, L0 t1 {2 c, V) P4 r: n) a1 v5 `3 e/ _9 J( T$ R' e
- I = imread('../baby_noise.bmp'); figure, imshow(I); h3_5 = fspecial('gaussian', 3, 0.5); % sigma=0.5的3*3高斯模板 I3_5 = imfilter(I, h3_5); % 高斯平滑 figure, imshow(I3_5); h3_8 = fspecial('gaussian', 3, 0.8); % sigma=0.8的3*3高斯模板 I3_8 = imfilter(I, h3_8); figure, imshow(I3_8); h3_18 = fspecial('gaussian', 3, 1.8) % sigma=1.8的3*3高斯模板，接近于平均模板 I3_18 = imfilter(I, h3_18); figure, imshow(I3_18);% k$ s3 e$ o; O1 J0 H8 p$ ^
. i' b2 p8 ~# Q( s
3 f0 `7 a% H3 l2 L 中值滤波, i, a" n& S! f# p1 W6 N6 T
! P) T5 j' A8 J. M# q- I = imread('../lena_salt.bmp'); imshow(I); J=imnoise(I,'salt & pepper');%为图像叠加椒盐噪声 figure, imshow(J); w = [1 2 1;2 4 2;1 2 1] / 16; J1=imfilter(J, w, 'corr', 'replicate'); %高斯平滑 figure, imshow(J1); w = [1 1 1;1 1 1;1 1 1] / 9; J2=imfilter(J, w, 'corr', 'replicate');%平均平滑 figure, imshow(J2); J3=medfilt2(J,[3,3]);%中值滤波 figure, imshow(J3);( i# s0 E5 C9 J
, s! j9 x/ I6 G3 U7 P
1 k3 n% |5 ?6 x7 l' |. T7 k" J+ n0 A2 q1 ?/ w9 V
6 v- f t6 c$ z" ]1 Z' y
目测 中值滤波效果最好，其为统计排序滤波器，线性平滑滤波器在降噪时不可避免的出现模糊。低于椒盐噪声，中值滤波最好。
: p0 Z# E7 \) E# Z3 W9 i4 W; ?8 L% q. X# N7 L
, Y# F9 W2 i, k6 ^
; f- W; U& L/ L( ]
图像锐化
9 l* a% E( V3 ?) W$ P) G' o
9 l8 \: ]! I, P3 E 增强图像灰度跳变部分。锐化的对象是边缘，处理不涉及噪声。$ H0 t; c2 k/ |
D2 F+ y# g x4 u& V/ v基于一阶导数的增强。
i- l Y! ^' _2 _/ A$ l# A6 D
8 R- k7 h9 Q; e- k2 b- % 基于Robert交叉梯度的图像锐化 I = imread('../bacteria.bmp'); imshow(I); I = double(I); % 转换为double型，这样可以保存负值，否则uint8型会把负值截掉 w1 = [-1 0; 0 1] w2 = [0 -1; 1 0] G1 = imfilter(I, w1, 'corr', 'replicate'); % 以重复方式填充边界 G2 = imfilter(I, w2, 'corr', 'replicate'); G = abs(G1) + abs(G2); % 计算Robert梯度 figure, imshow(G, []); figure, imshow(abs(G1), []); figure, imshow(abs(G2), []);
- e$ F' c- e; g/ c, `7 u! d
9 J9 A, Y0 K) {0 T( C
, y$ T5 p3 ]$ I9 u
5 T2 G) @$ ?; ]8 s$ ~0 F: n/ b5 b基于二阶微分的增强。' H9 i3 C" A6 c$ k
6 ]3 J: y. C( l$ k8 s& L9 D! }
- % 基于3种拉普拉斯模板的滤波 I = imread('../bacteria.bmp'); figure, imshow(I); I = double(I); w1 = [0 -1 0; -1 4 -1; 0 -1 0] L1 = imfilter(I, w1, 'corr', 'replicate'); w2 = [-1 -1 -1; -1 8 -1; -1 -1 -1] L2 = imfilter(I, w2, 'corr', 'replicate'); figure, imshow(abs(L1), []); figure, imshow(abs(L2), []); w3 = [1 4 1; 4 -20 4; 1 4 1] L3 = imfilter(I, w3, 'corr', 'replicate'); figure, imshow(abs(L3), []);0 ^8 ~6 t7 I5 [6 R" m0 ^' a5 t
8 f! I% `! _1 U( v1 K) `4 z5 e+ Y9 U! R
( _+ D/ o6 {) [
高斯-拉普拉斯变换增强。' x9 y, Q5 J! n% w8 d
! E% ~$ i7 M# F* Z5 W5 {
- LoG算子的锐化 clear all I = imread('../babyNew.bmp'); figure, imshow(I, []); %得到图5.14（a） Id = double(I); % 滤波前转化为双精度型 h_log = fspecial('log', 5, 0.5); % 大小为5，sigma=0.5的LoG算子 I_log = imfilter(Id, h_log, 'corr', 'replicate'); figure, imshow(uint8(abs(I_log)), []); h_log = fspecial('log', 5, 2); % 大小为5，sigma=2的LoG算子 I_log = imfilter(Id, h_log, 'corr', 'replicate'); figure, imshow(uint8(abs(I_log)), []);5 ?' V1 H$ K; v$ d) @" @; t6 G) N
1 |7 u' Z p5 r+ o4 x/ A/ x
0 Z9 d. f4 K% w [0 V
3 a. H% s- Y5 Y* _3 Y |
|
/1 
发表于 2021-9-1 15:52
收藏
淘帖
支持！
反对！