.sheet . getelementbyid(“的主题”)。Disabled = true;

图像过滤器对话框

集合的图像过滤器分为4类:

视频中有相关演示:
https://youtu.be/QZU3jSoEXJM

回指数-->用户指南-->菜单-->图像

内容

选项

以下选项可能会被调整:

过滤后的图像还可以作为后处理(对话框窗口底部的下拉框)

空间域的基本图像滤波

表中包含可用筛选器的列表

	平均滤波器 平均图像信号使用矩形滤波器;过滤是用imfilter函数和“平均"预定义过滤器fspecial	2 d / 3 d
	圆形平均滤波器(药丸盒) 利用圆盘形滤波器对图像信号进行平均;过滤是用imfilter函数和“磁盘"预定义过滤器fspecial	二维
	距离地图过滤器 计算“源层”下拉菜单中提供的种子的距离图。 利用MATLAB进行二维图的计算bwdist，而3D使用bwdistscYuriy Mishchenko 的源层应该是这些选项之一:"selection"， "mask"， "material"。 在2D模式下有四种计算方法，而在3D模式下只使用“欧几里得”方法。	2 d / 3 d
	弹性失真滤波器 弹性失真滤波器，基于卷积神经网络应用于视觉文档分析的最佳实践，作者:Patrice Y. Simard, Dave Steinkraus, John C. Platt(链接) 可获得的代码: stackoverflow David Franco的弹性失真变换	二维
	熵过滤器 局部熵过滤器，返回一个图像，其中每个输出像素包含对应像素周围定义的邻域的熵(-sum(p.*log2(p)，其中p包含归一化直方图计数)，详见entropyfilt	二维
	Frangi过滤器 弗朗吉滤波器增强细长或管状结构使用基于黑森的多尺度滤波 过滤是用fibermetric	2 d / 3 d
	高斯平滑滤波器 具有标准偏差(Sigma)的旋转对称高斯低通滤波器大小(Hsize)。 二维滤波是用imgaussfilt和3Dimgaussfilt3	2 d / 3 d
	渐变滤光片 计算图像梯度 过滤是用梯度函数，得到的X,Y,Z分量转换为结果图像的平方根(X2 + Y2 + Z2)	2 d / 3 d
	拉普拉斯高斯滤波器 使用拉普拉斯高斯滤波器过滤图像，突出边缘 结果图像通过与NormalizationFactor相乘并加上最大类整数值的一半来转换为无符号整数。过滤是用imfilter函数和“日志"预定义过滤器fspecial	2 d / 3 d
	数学运算 应用标准的数学运算:对图像进行加、减、乘或除。在操作过程中，可以将图像类转换为不同的类型。	二维
	模式滤波器(R2020a或更新版本) 过滤是用modefilt函数。每个输出像素包含输入图像中对应像素附近的模式(最常出现的值)	2 d / 3 d
	运动滤波器 过滤是用imfilter函数和“运动"预定义过滤器fspecial	二维
	普瑞维特过滤器 Prewitt滤波器用于边缘增强 过滤是用imfilter函数和“普瑞维特"预定义过滤器fspecial	2 d / 3 d
	范围过滤器 局部范围过滤器，返回一个图像，其中每个输出像素包含对应像素周围定义的邻域的范围值(最大值-最小值)。详情见rangefilt	2 d / 3 d
	盐和胡椒过滤器 从图像中移除盐和胡椒噪声 使用中值滤波器对图像进行过滤，然后在原始图像和中值滤波图像之间取差值。阈值高于IntensityThreshold的像素被认为是噪声并被删除	二维
	Sobel过滤器 用于边缘增强的索贝尔滤波器 过滤是用imfilter函数和预定义筛选器中的“sobel”fspecial	二维
	性病过滤器 图像局部标准差。每个输出像素的值是对应输入像素周围邻域的标准差。边界通过对称填充来去除:即填充像素的值是边界像素的镜像反射。详情见stdfilt	二维

Edge-preserving过滤

去除噪音，同时保留对象的边缘使用以下过滤器之一

	各向异性扩散滤波器 基于Perona-Malik算法的图像边缘保持各向异性扩散滤波 过滤是用imdiffusefilt	二维
	双边滤波器 高斯核图像保持边缘的双边滤波 过滤是用imbilatfilt	二维
	DNNdenoise过滤器 利用深度神经网络去噪图像 过滤是用denoiseImage	二维
	中值滤波器 二维或三维图像的中值滤波。每个输出像素包含指定邻域的中值 二维滤波是用medfilt2和3Dmedfilt3	二维
	非局部均值滤波器 过滤是用imnlmfilt	二维
	BMxD过滤器 使用块匹配和3D协同算法过滤图像，请注意此过滤器仅授权用于非营利性组织 请跟系统需求页面详细说明如何安装它。	二维

对比度调整

下面是用于调整图像对比度的滤镜列表

	添加噪声滤波器 为图像添加噪声 过滤是用imnoise 有几种降噪方案: 高斯-高斯白噪声 泊松-来自数据的泊松噪声 盐和胡椒-增加盐和胡椒的噪音 散斑-乘性噪声，使用方程J = I+n*I，其中n为均匀分布的随机噪声，均值为0，方差为0.05。	二维
	快速局部拉普拉斯滤波器 快速局部拉普拉斯滤波图像增强对比度，去除噪声或平滑图像细节 过滤是用locallapfilt	二维
	平面场校正 对灰度或RGB图像的平场校正。校正使用高斯平滑与标准差的西格玛近似图像的阴影成分 过滤是用imflatfield	二维
	局部提亮滤镜 增强弱光图像 过滤是用imlocalbrighten	二维
	局部对比度滤波器 图像的边缘感知局部对比度操作 过滤是用localcontrast	二维
	减霾过滤器 减少大气雾霾 过滤是用imreducehaze	二维
	不锐利掩模滤波器 锐化图像使用非锐化掩蔽:当图像从图像本身减去一个模糊(非锐化)版本来锐化图像时 过滤是用imsharpen	二维

图像二值化

图像二值化过滤器处理图像并生成位图掩码，可以分配给MIB的选择层或掩码层(使用DestinationLayer下拉菜单指定)

	边缘滤光片 在强度图像中寻找边缘; 过滤是用边缘 有几种边缘检测方案: approxcanny-使用近似版本的Canny边缘检测算法来查找边缘，以不太精确的检测为代价提供更快的执行时间 精明的-通过寻找i的梯度的局部极大值来找到边。边缘函数使用高斯滤波器的导数来计算梯度。该方法使用两个阈值来检测强边缘和弱边缘，包括输出中的弱边缘，如果它们连接到强边缘。通过使用两个阈值，Canny方法比其他方法更不容易被噪声欺骗，更有可能检测到真正的弱边缘 日志-在用拉普拉斯高斯(LoG)滤波器过滤I后，通过寻找零交叉来查找边 普瑞维特-利用导数的Prewitt近似，在I的梯度最大的点处找到边 罗伯茨-利用导数的罗伯茨近似，在I的梯度最大的点处找到边 索贝尔-利用导数的索贝尔近似，在图像I的梯度最大的那些点上找到边缘	二维
	SLIC聚类滤波器 方法将相似强度的像素聚在一起SLIC(简单线性迭代聚类)算法 选项和设置: 集群规模-每个集群的大致大小，以像素为单位 密实度-一个值指定集群形状有多接近正方形(100)或非常灵活(0) ChopX-由于计算是内存密集型的，可以将数据集分成许多子块。使用此字段定义水平块的数量 ChopY-使用该字段定义垂直块的数量	二维
	分水岭聚类滤波器 方法根据脊的存在将像素聚在一起分水岭算法 选项和设置: DestinationLayer—计算结果可以分配给MIB的不同层 ClusterSize—定义生成的集群大小的参数，该值越大，表示集群越大 TypeOfSignal-定义脊的颜色:电子显微镜使用“黑对白”，而光学显微镜使用“白对黑” GapPolicy分水岭山脊的中心线形成了一个缺口。可以使用邻近的集群来保留或填充该间隙 ResultingShape-产生结果集群(“集群”)或集群之间的间隙(“脊”)	二维

回指数-->用户指南-->菜单-->图像

var allDetails = document.getElementsByTagName('details');toggle_details (0);

由MATLAB®R2022b发布然后由prettify_MATLAB_htmlV6.5