locallapfilt
图像的快速局部拉普拉斯滤波
语法
B = locallapfilt (A、σα)
B=局部LapFilt（A，σ，α，β）
B=本地LAPFILT(＿＿＿、名称、值,…)
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”）;
设置过滤器的参数以增加小于0.4的细节。
σ= 0.4;α= 0.5;
使用快速局部拉普拉斯滤波
B=局部LapFilt（A，σ，α）；
并排显示原始图像和过滤后的图像。
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“核密度级'参数。此参数可用于平衡速度和质量。
导入RGB图像并显示。
一个= imread (“peppers.png”）;图imshow (A)标题(“原始图像”）
使用σ价值处理的细节和一个阿尔法值来增强对比度，有效增强图像的局部对比度。
西格玛=0.2；阿尔法=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 = 0.2065
现在，处理图像并显示出来。
B_speed = locallapfilt(A, sigma, alpha，“NumIntensityLevels”，20）；图形显示（B_速度）标题([“增强20级强度”num2str（t_速度）“sec”])
样本数量越多，结果越好，但处理时间越长。使用100个强度级别对函数计时。
t_quality = timeit(@() locallapfilt(A, sigma, alpha，))“NumIntensityLevels”, 100))
túu质量=0.8218
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([“100强度级别的增强”num2str（t_质量）“sec”])
尝试在你自己的图像上改变强度级别的数量。试着降低对比度阿尔法>1）.您将看到，每幅图像的最佳强度级别数不同，并且随着时间的推移而变化阿尔法. 默认情况下，locallapfilt使用启发式来平衡速度和质量，但它无法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，缩小其大小并显示它。
一个= imread (“car2.jpg”)；A=imresize（A，0.25）；图imshow（A）标题(“原始图像”）
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)。
西格玛=0.3；阿尔法=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，“彩色模式”，“分开”）;
显示过滤后的图像。
图imshow (B_luminance)标题(“通过增强局部亮度对比度增强”）
图imshow（B_单独）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
导入图像。将图像转换为浮点，这样我们可以更轻松地添加人工噪声。
一个= imread (“pout.tif”)；A=单个（A）；
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”，峰值信噪比（噪音）；
噪声图像的峰值信噪比为30.0234
将细节的振幅设置为“平滑”，然后设置要应用的平滑量。
西格玛=0.1；α=4.0；
应用边缘感知过滤器。
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'，除噪后的峰值信噪比）；
去噪后图像的峰值信噪比为32.3065
请注意，图像的峰值信噪比有所提高。
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(“原件”子图(1,3,2)，imshow(A_noisy)， title(“吵”)子地块（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，调整其大小并显示它
一个= imread (“car1.jpg”)；A=imresize（A，0.25）；图imshow（A）标题(“原始图像”）
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。
西格玛=0.2；阿尔法=5.0；
当平滑(阿尔法> 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=局部LapFilt（A，σ，α，“NumIntensityLevels”，numLevels）；
展示“干净”的汽车。
图imshow (B)标题(“平滑细节后”）
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-Trans。图表30.4 (2011): 68.
[2] 奥布里、马修等。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。
介绍了R2016b
您还可以从以下列表中选择网站：
