快速局部拉普拉斯算子的滤波的图像
导入一个RGB图像
一个= imread (“peppers.png”);
设置参数小于0.4的过滤器来增加细节。
σ= 0.4;α= 0.5;
使用快速局部拉普拉斯算子的滤波
B = locallapfilt (A、σα);
显示原始和过滤图片并排。
imshowpair (A, B,“蒙太奇”)
当地的拉普拉斯算子的滤波算法是计算密集型。加快处理,locallapfilt
近似算法的离散化强度范围到定义的一些样品的NumIntensityLevels
的参数。这个参数可以用来平衡速度和质量。
导入一个RGB图像并显示它。
一个= imread (“peppers.png”);图imshow (A)标题(原始图像的)
使用一个σ
过程的细节和一个值α
价值增加对比度,有效地提高图像的局部对比度。
σ= 0.2;α= 0.3;
使用更少的样品增加了执行速度,但会产生可见的工件,尤其在平坦的地区的对比。时间函数仅使用20强度水平。
t_speed =时间(@ ()locallapfilt(σ,α,“NumIntensityLevels”,20))
t_speed = 0.1629
现在,处理图像并显示它。
B_speed = locallapfilt(σ,α,“NumIntensityLevels”,20);图imshow (B_speed)标题([与20强度水平的提高num2str (t_speed)“秒”])
更大数量的样本收益更好看的结果牺牲更多的处理时间。时间函数使用100强度水平。
t_quality =时间(@ ()locallapfilt(σ,α,“NumIntensityLevels”,100))
t_quality = 0.7390
处理图像与100年强度水平,显示:
B_quality = locallapfilt(σ,α,“NumIntensityLevels”,100);图imshow (B_quality)标题([“与100年的强度水平增强”num2str (t_quality)“秒”])
尝试不同强度级别的数量在您自己的图片。把(对照也压扁α
> 1)。你会发现最优数量的强度为每个图像和随水平是不同的α
。默认情况下,locallapfilt
使用启发式平衡速度和质量,但不能预测每个图像的最佳值。
导入一个彩色图像,减少其大小,并显示它。
一个= imread (“car2.jpg”);= imresize (0.25);图imshow (A)标题(原始图像的)
滤波器的参数设置为小于0.3显著增加细节(标准化的范围从0到1)。
σ= 0.3;α= 0.1;
让我们来比较一下这两种不同的颜色模式过滤。过程的图像滤波分别过滤每一个颜色通道的强度和:
B_luminance = locallapfilt (A、σα);B_separate = locallapfilt(σ,α,“ColorMode”,“独立”);
显示过滤后的图像。
图imshow (B_luminance)标题(促进当地的亮度对比的增强)
图imshow (B_separate)标题(的增强,提高当地的颜色对比)
等量的已经应用于每个图像对比度增强,但颜色更饱和时设置的ColorMode
”到“单独的
”。
导入一个图像。将图像转换为浮点数,这样我们可以添加人造噪音更容易。
一个= imread (“pout.tif”);= im2single ();
0.001添加高斯噪声与零均值和方差。
A_noisy = imnoise (,“高斯”,0,0.001);psnr_noisy = psnr (A_noisy);流(噪声图像的峰值信噪比% 0.4 f \ n ',psnr_noisy);
噪声图像的峰值信噪比是30.0234
设置细节光滑的振幅,那么平滑的数量设置为适用。
σ= 0.1;α= 4.0;
应用edge-aware过滤器。
B = locallapfilt (A_noisy、σα);psnr_denoised = psnr (B, A);流(是去噪图像的峰值信噪比% 0.4 f \ n ',psnr_denoised);
去噪图像的峰值信噪比是32.2016
注意改善图像的PSNR值。
显示所有三个图片并排。观察到的细节是沿着边缘平滑和锋利的强度变化不变。
图次要情节(1、3、1),imshow (A)、标题(“原始”)次要情节(1、3、2),imshow (A_noisy)、标题(“吵”次要情节(1,3,3),imshow (B)、标题(“去噪”)
导入图片,调整并显示它
一个= imread (“car1.jpg”);= imresize (0.25);图imshow (A)标题(原始图像的)
汽车是脏的,覆盖着的标记。让我们试着消除身体上的灰尘和标记。设置细节光滑的振幅,并设置大量的平滑申请。
σ= 0.2;α= 5.0;
当平滑(α
> 1),过滤器生产高质量结果与少量的强度水平。设置少量的强度级别来处理图像更快。
numLevels = 16;
应用过滤器。
B = locallapfilt(σ,α,“NumIntensityLevels”,numLevels);
显示“干净”的车。
图imshow (B)标题(“平滑后的细节”)
我
- - - - - -图像过滤图像过滤,指定为一个二维灰度图像或二维真彩图像。
数据类型:单
|int8
|int16
|uint8
|uint16
σ
- - - - - -振幅的边缘振幅的边缘,指定为一个非负数字。σ
应该在[0,1]为整数图像和单一图像定义在区间[0,1]。单一的图像定义在不同的范围内(一个
,b
),σ
还应该在(一个
,b
]。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
α
- - - - - -平滑的细节平滑的细节,指定为一个正数。的典型值α
在范围内(0.01,10)。
价值 | 描述 |
---|---|
α 不到1 |
增加输入图像的细节,有效地增强图像的局部对比度不影响边缘或引入晕。 |
α 大于1 |
平滑,在输入图像细节,同时保留清晰的边缘 |
α 等于1 |
输入图像的细节保持不变。 |
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
β
- - - - - -动态范围1
(默认)|非负的数量动态范围,指定为一个非负数字。典型的β值范围(0 5)。β
影响的动态范围一个
。
价值 | 描述 |
---|---|
β 不到1 |
减少图像中边缘的振幅,有效地压缩动态范围而不影响的细节。 |
β 大于1 |
扩大图像的动态范围。 |
β 等于1 |
图像的动态范围是不变的。这是默认值。 |
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
指定可选的逗号分隔条名称,值
参数。的名字
参数名称和吗价值
相应的价值。的名字
必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家
。
“ColorMode”、“独立的”
ColorMode
- - - - - -方法用于过滤RGB图像“亮度”
(默认)|“独立”
方法用于过滤RGB图像,指定为以下值之一。这个参数对灰度图像没有影响。
价值 | 描述 |
---|---|
“亮度” |
locallapfilt 将输入的RGB图像转换为灰度滤波之前过滤和手写的颜色之后,从而改变输入图像的对比而不影响颜色。 |
“独立” |
locallapfilt 每个颜色通道独立过滤器。 |
数据类型:字符
|字符串
NumIntensityLevels
- - - - - -强度的样品数量“汽车”
(默认)|正整数的强度样本输入图像的动态范围,指定为“汽车”
或正整数。更多的样品给接近精确局部拉普拉斯算子的滤波结果。较低的数量增加了执行速度。典型的值范围内[100]
。如果设置为“汽车”
,locallapfilt
选择强度水平的数量基于其他参数自动平衡质量和速度的过滤器。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|字符
|字符串
B
-过滤图片过滤后的图像,作为数字数组返回相同的大小和数据类型作为输入图像,一个
。
[1]巴黎,迪斯丁,塞缪尔·w·Hasinoff, Jan Kautz。当地的拉普拉斯算子过滤器:edge-aware拉普拉斯算子的金字塔图像处理ACM反式。图。30.4 (2011):68。
[2]奥布里,马修,et al。快速局部拉普拉斯算子过滤器:理论和应用程序。ACM交易图形(衣服)33.5 (2014):167。
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。