(转)拉普拉斯滤波实现图像增强
2015-03-30 10:25
260 查看
原文地址:http://blog.sina.com.cn/s/blog_6f57a7150100o5ef.html
先上个简单的示例,看MATLAB中拉普拉斯滤波器是如何实现的:
令原图f=magic(3)
f =
8 1 6
3 5 7
4 9 2
掩膜采用标准Laplacian掩膜:w=fspecial('laplacian',0)
w =
0 1 0
1 -4 1
0 1 0
n=imfilter(f,w,'replicate');默认参数为'same',结果为:
n =
-12 16 -4
8 0 -8
4 -16 12
采用'full'参数,n=imfilter(f,w,'replicate','full');结果为:
n =
0 -7 12 -5 0
-5 -12 16 -4 1
6 8 0 -8 -6
-1 4 -16 12 5
0 5 -12 7 0
=========
实现过程:
①模板旋转180度(和原来一样,因为是对称的模板)
w' =
0 1 0
1 -4 1
0 1 0
②图像边界填充,这里采用'replicate'方式:
>> k=padarray(m,[2 2],'replicate')
k =
8 8 8 1 6 6 6
8 8 8 1 6 6 6
8 8 8 1 6 6 6
3 3 3 5 7 7 7
4 4 4 9 2 2 2
4 4 4 9 2 2 2
4 4 4 9 2 2 2
(黄色背景为原始图像)
③进行卷积运算:
![](http://s7.sinaimg.cn/middle/6f57a715h9785841c9ce6&690)
![](http://s16.sinaimg.cn/middle/6f57a715h978595392abf&690)
……(逐步计算,直至模板全部移过图像)
④去除边界,得到结果:
![](http://s5.sinaimg.cn/middle/6f57a715h9785a502da84&690)
上述即用laplacian滤波模板进行图像滤波的过程(实际上是一个空间卷积操作)。
以一幅uint8类灰度图像为例,原图:
![](http://s6.sinaimg.cn/middle/6f57a715h9785b8963885&690)
直接使用laplacian滤波模板滤波:
>> f=imread('moon.tif');
>> w=fspecial('laplacian',0)
>> g1=imfilter(f,w,'replicate');
>> imshow(g1)
![](http://s11.sinaimg.cn/middle/6f57a715h9785c946a7aa&690)
效果并不理想,因为原图是一幅uint8类图像,输出结果仍为uint8类,所有像素均为正值,而拉普拉斯滤波模板中存在负值,变换结果中的所有负值被截掉了。
解决此问题,须先进行类型变换:
f2=im2double(f); %将f转换为归一化的double类图像
然后再进行滤波:
>> g2=imfilter(f2,w,'replicate');
>> imshow(g2,[])
![](http://s7.sinaimg.cn/middle/6f57a715h9785df095836&690)
此图像即含有负值的滤波结果,相比于原图,丢失了一些灰度色调,故还需用原图减去此滤波结果(以还原失去的灰度色调):
>> g=f2-g2;figure,imshow(g)
![](http://s8.sinaimg.cn/middle/6f57a715h9785ec47e677&690)
比原图清晰了很多。
另外,使用考虑了对角线元素的中心为8的拉普拉斯算子还可以获得更为清晰的图像:
>> w8=[1 1 1;1 -8 1;1 1 1]
w8 =
1 1 1
1 -8 1
1 1 1
>> g8=f-imfilter(f,w8,'replicate');
>> figure,imshow(g8)
![](http://s5.sinaimg.cn/middle/6f57a715h9785fa5fb224&690)
===========
拉普拉斯算子的数学定义:
![](http://s1.sinaimg.cn/middle/6f57a715h978607284150&690)
式(2)为式(1)的数字近似,式(3)中g(x,y)为目标图像,f(x,y)为原始图像。c为1(当掩膜中心系数为正时),c为-1(当掩膜中心系数为负时)
由于laplacian算子是微分操作符,所以它会使图像锐化,并使常量区域为0。
后记:关键点是模板的选取。
先上个简单的示例,看MATLAB中拉普拉斯滤波器是如何实现的:
令原图f=magic(3)
f =
8 1 6
3 5 7
4 9 2
掩膜采用标准Laplacian掩膜:w=fspecial('laplacian',0)
w =
0 1 0
1 -4 1
0 1 0
n=imfilter(f,w,'replicate');默认参数为'same',结果为:
n =
-12 16 -4
8 0 -8
4 -16 12
采用'full'参数,n=imfilter(f,w,'replicate','full');结果为:
n =
0 -7 12 -5 0
-5 -12 16 -4 1
6 8 0 -8 -6
-1 4 -16 12 5
0 5 -12 7 0
=========
实现过程:
①模板旋转180度(和原来一样,因为是对称的模板)
w' =
0 1 0
1 -4 1
0 1 0
②图像边界填充,这里采用'replicate'方式:
>> k=padarray(m,[2 2],'replicate')
k =
8 8 8 1 6 6 6
8 8 8 1 6 6 6
8 8 8 1 6 6 6
3 3 3 5 7 7 7
4 4 4 9 2 2 2
4 4 4 9 2 2 2
4 4 4 9 2 2 2
(黄色背景为原始图像)
③进行卷积运算:
……(逐步计算,直至模板全部移过图像)
④去除边界,得到结果:
上述即用laplacian滤波模板进行图像滤波的过程(实际上是一个空间卷积操作)。
以一幅uint8类灰度图像为例,原图:
直接使用laplacian滤波模板滤波:
>> f=imread('moon.tif');
>> w=fspecial('laplacian',0)
>> g1=imfilter(f,w,'replicate');
>> imshow(g1)
效果并不理想,因为原图是一幅uint8类图像,输出结果仍为uint8类,所有像素均为正值,而拉普拉斯滤波模板中存在负值,变换结果中的所有负值被截掉了。
解决此问题,须先进行类型变换:
f2=im2double(f); %将f转换为归一化的double类图像
然后再进行滤波:
>> g2=imfilter(f2,w,'replicate');
>> imshow(g2,[])
此图像即含有负值的滤波结果,相比于原图,丢失了一些灰度色调,故还需用原图减去此滤波结果(以还原失去的灰度色调):
>> g=f2-g2;figure,imshow(g)
比原图清晰了很多。
另外,使用考虑了对角线元素的中心为8的拉普拉斯算子还可以获得更为清晰的图像:
>> w8=[1 1 1;1 -8 1;1 1 1]
w8 =
1 1 1
1 -8 1
1 1 1
>> g8=f-imfilter(f,w8,'replicate');
>> figure,imshow(g8)
===========
拉普拉斯算子的数学定义:
式(2)为式(1)的数字近似,式(3)中g(x,y)为目标图像,f(x,y)为原始图像。c为1(当掩膜中心系数为正时),c为-1(当掩膜中心系数为负时)
由于laplacian算子是微分操作符,所以它会使图像锐化,并使常量区域为0。
后记:关键点是模板的选取。
相关文章推荐
- 拉普拉斯滤波实现图像增强
- 拉普拉斯滤波实现图像增强
- OpenCV图像增强算法实现(直方图均衡化、拉普拉斯、Log、Gamma)
- 基础图像处理之混合空间增强——(Java:拉普拉斯锐化、Sobel边缘检测、均值滤波、伽马变换)
- OpenCV图像增强算法实现(直方图均衡化、拉普拉斯、Log、Gamma)
- OpenCV图像增强算法实现(直方图均衡化、拉普拉斯、Log、Gamma)
- 图像增强之模板处理——(加权均值、加权中值、拉普拉斯滤波,FFT、DCT变换)
- 拉普拉斯(laplacian)滤波实现图像锐化分析
- OpenCV图像增强算法实现(直方图均衡化、拉普拉斯、Log、Gamma)
- OpenCV图像增强算法实现(直方图均衡化、拉普拉斯、Log、Gamma)
- OpenCV图像增强算法实现(直方图均衡化、拉普拉斯、Log、Gamma)
- 高斯图像滤波原理及其编程离散化实现方法
- 骨骼图像增强实验matlab实现
- 图像处理常用算法GPU实现五:图像对比度增强
- 图像高提升滤波的vc实现 .
- 高斯图像滤波原理及其编程离散化实现方法
- 数字图像处理基本算法实现(3)--section3.5-6空间滤波处理
- 高斯图像滤波原理及其编程离散化实现方法
- 图像高提升滤波的vc实现
- 图像滤波常见方法原理总结及VC下实现