locallapfilt
图像的快速局部拉普拉斯滤波
描述
例子
利用局部拉普拉斯滤波提高RGB图像的局部对比度
导入RGB图像
一个= imread (“peppers.png”）;
设置过滤器的参数，增加小于0.4的细节。
σ= 0.4;α= 0.5;
使用快速局部拉普拉斯滤波
B = locallapfilt(A, sigma, alpha);
显示原始和过滤图像并排。
imshowpair (A, B,“蒙太奇”）
增加局部对比度，平衡速度和质量
局部拉普拉斯滤波是一种计算密集型算法。为了加快处理速度，locallapfilt通过将强度范围离散到由“NumIntensityLevels的参数。这个参数可以用来平衡速度和质量。
导入RGB图像并显示。
一个= imread (“peppers.png”）;图imshow (A)标题(原始图像的）
使用一个σ价值处理的细节和一个α值来增强对比度，有效增强图像的局部对比度。
σ= 0.2;α= 0.3;
使用较少的示例可以提高执行速度，但可以产生可见的工件，特别是在对比度较低的区域。计时功能只使用20个强度级别。
t_speed = timeit(@() locallapfilt(A, sigma, alpha，“NumIntensityLevels”, 20))
t_speed = 0.1473
现在，处理图像并显示出来。
B_speed = locallapfilt(A, sigma, alpha，“NumIntensityLevels”, 20);图imshow (B_speed)标题([“增强20级强度”num2str (t_speed)“秒”]）
大量的样本产生更好的外观结果，但代价是更多的处理时间。使用100个强度等级计时功能。
t_quality = timeit(@() locallapfilt(A, sigma, alpha，))“NumIntensityLevels”, 100))
t_quality = 0.6715
用100个强度等级处理图像并显示:
B_quality = localapfilt (A, sigma, alpha，“NumIntensityLevels”, 100);图imshow (B_quality)标题([“在100个强度级别的增强”num2str (t_quality)“秒”]）
尝试在你自己的图像上改变强度级别的数量。试着降低对比度α> 1).你会看到，每个图像的最佳强度级别的数量是不同的，并随α．默认情况下,locallapfilt使用启发式来平衡速度和质量，但它不能预测每个图像的最佳值。
使用“ColorMode”增强局部颜色对比度
导入彩色图像，缩小尺寸并显示。
一个= imread (“car2.jpg”）;A = imresize(A, 0.25);图imshow (A)标题(原始图像的）
设置过滤器的参数以显著增加小于0.3的细节(从0到1的标准化范围)。
σ= 0.3;α= 0.1;
让我们来比较两种不同的滤色模式。通过滤除图像的强度和滤除每个颜色通道分别对图像进行处理:
B_luminance = locallapfilt(A, sigma, alpha);B_separate = locallapfilt(A, sigma, alpha，“ColorMode”，“独立”）;
显示过滤后的图像。
图imshow (B_luminance)标题(“通过提高局部亮度对比度来增强效果”）
图imshow (B_separate)标题(“通过增强局部色彩对比来增强效果”）
每个图像都应用了等量的对比度增强，但颜色在设置时更加饱和。ColorMode”到“单独的＇．
执行边缘感知降噪
导入一个图像。将图像转换为浮点数，这样我们可以更容易地添加人工噪声。
一个= imread (“pout.tif”）;= im2single ();
加入高斯噪声，均值为零，方差为0.001。
A_noisy = imnoise (,“高斯”, 0, 0.001);psnr_noisy = psnr(A_noisy, A);流(“噪声图像的峰值信噪比为%0.4f\n”, psnr_noisy);
噪声图像的峰值信噪比为30.0234
将细节的振幅设置为平滑，然后设置平滑的数量。
σ= 0.1;α= 4.0;
应用边缘感知滤波器。
B = locallapfilt(A_noisy, sigma, alpha);psnr_denoised = psnr(B, A);流(去噪后图像的峰值信噪比为%0.4f\n', psnr_denoised);
去噪后图像的峰值信噪比为32.2016
注意图像的PSNR的改进。
并排显示所有三个图像。观察细节被平滑，沿边缘的锐度变化没有改变。
图subplot(1,3,1)， imshow(A)， title(“原始”子图(1,3,2)，imshow(A_noisy)， title(“吵”)子情节(1,3,3)，imshow(B)，标题(“去噪”）
平滑的图像细节，不影响边缘清晰度
导入图像，调整大小并显示它
一个= imread (“car1.jpg”）;A = imresize(A, 0.25);图imshow (A)标题(原始图像的）
这辆车很脏，上面有许多斑痕。我们试着擦掉尸体上的灰尘和痕迹。设置振幅的细节平滑，并设置大量的平滑应用。
σ= 0.2;α= 5.0;
当平滑(α> 1)，过滤器产生高质量的结果与少量的强度水平。设置少量的强度级别以更快地处理图像。
numLevels = 16;
应用过滤器。
B = locallapfilt(A, sigma，“NumIntensityLevels”, numLevels);
展示“干净”的汽车。
图imshow (B)标题(“平滑后的细节”）
输入参数
输出参数
参考文献
[1] Paris, Sylvain, Samuel W. Hasinoff, Jan Kautz。局部拉普拉斯滤波器:用拉普拉斯金字塔进行边缘感知图像处理ACM反式。图30.4(2011):68。
Aubry, Mathieu等。快速局部拉普拉斯滤波器:理论与应用．计算机图形学学报(TOG) 33.5(2014): 167。
你也可以从以下列表中选择一个网站:
