利用各向异性平滑图像
2017-07-27 05:00
447 查看
转载自:matlab练习程序(各向异性扩散)
主要是用来平滑图像的,克服了高斯模糊的缺陷,各向异性扩散在平滑图像时是保留图像边缘的(和双边滤波很像)。
通常我们有将图像看作矩阵的,看作图的,看作随机过程的,记得过去还有看作力场的。
这次新鲜,将图像看作热量场了。每个像素看作热流,根据当前像素和周围像素的关系,来确定是否要向周围扩散。比如某个邻域像素和当前像素差别较大,则代表这个邻域像素很可能是个边界,那么当前像素就不向这个方向扩散了,这个边界也就得到保留了。
先看下效果吧:
具体的推导公式都是热学上的,自己也不太熟悉,感兴趣的可以去看原论文,引用量超7000。
我这里只介绍一下最终结论用到的公式。
主要迭代方程如下:
It+1=It+λ(cNx,y∇N(It)+cSx,y∇S(It)+cEx,y∇E(It)+cWx,y∇W(It))
I就是图像了,因为是个迭代公式,所以有迭代次数t。
四个散度公式是在四个方向上对当前像素求偏导,news就是东南西北,公式如下:
∇N(Ix,y)∇S(Ix,y)∇E(Ix,y)∇W(Ix,y)=Ix,y−1−Ix,y=Ix,y−1−Ix,y=Ix,y−1−Ix,y=Ix,y−1−Ix,y
而cN,cS,cE,cW则代表四个方向上的导热系数,边界的导热系数都是小的。公式如下:
cNx,ycSx,ycEx,ycWx,y=exp(−||∇N(I)||2/k2)=exp(−||∇S(I)||2/k2)=exp(−||∇E(I)||2/k2)=exp(−||∇W(I)||2/k2)
最后整个公式需要先前设置的参数主要有三个,迭代次数t,根据情况设置;导热系数相关的k,取值越大越平滑,越不易保留边缘;λ同样也是取值越大越平滑。
效果不错^^,感谢原作者
参考文献:《特征提取与图像处理(第二版)》
主要是用来平滑图像的,克服了高斯模糊的缺陷,各向异性扩散在平滑图像时是保留图像边缘的(和双边滤波很像)。
通常我们有将图像看作矩阵的,看作图的,看作随机过程的,记得过去还有看作力场的。
这次新鲜,将图像看作热量场了。每个像素看作热流,根据当前像素和周围像素的关系,来确定是否要向周围扩散。比如某个邻域像素和当前像素差别较大,则代表这个邻域像素很可能是个边界,那么当前像素就不向这个方向扩散了,这个边界也就得到保留了。
先看下效果吧:
原图 | 经过处理之后的图 |
---|---|
我这里只介绍一下最终结论用到的公式。
主要迭代方程如下:
It+1=It+λ(cNx,y∇N(It)+cSx,y∇S(It)+cEx,y∇E(It)+cWx,y∇W(It))
I就是图像了,因为是个迭代公式,所以有迭代次数t。
四个散度公式是在四个方向上对当前像素求偏导,news就是东南西北,公式如下:
∇N(Ix,y)∇S(Ix,y)∇E(Ix,y)∇W(Ix,y)=Ix,y−1−Ix,y=Ix,y−1−Ix,y=Ix,y−1−Ix,y=Ix,y−1−Ix,y
而cN,cS,cE,cW则代表四个方向上的导热系数,边界的导热系数都是小的。公式如下:
cNx,ycSx,ycEx,ycWx,y=exp(−||∇N(I)||2/k2)=exp(−||∇S(I)||2/k2)=exp(−||∇E(I)||2/k2)=exp(−||∇W(I)||2/k2)
最后整个公式需要先前设置的参数主要有三个,迭代次数t,根据情况设置;导热系数相关的k,取值越大越平滑,越不易保留边缘;λ同样也是取值越大越平滑。
clear all; close all; clc; k=15; %导热系数,控制平滑 lambda=0.15; %控制平滑 N=20; %迭代次数 img=double(imread('lena.jpg')); imshow(img,[]); [m n]=size(img); imgn=zeros(m,n); for i=1:N for p=2:m-1 for q=2:n-1 %当前像素的散度,对四个方向分别求偏导,局部不同方向上的变化量, %如果变化较多,就证明是边界,想方法保留边界 NI=img(p-1,q)-img(p,q); SI=img(p+1,q)-img(p,q); EI=img(p,q-1)-img(p,q); WI=img(p,q+1)-img(p,q); %四个方向上的导热系数,该方向变化越大,求得的值越小,从而达到保留边界的目的 cN=exp(-NI^2/(k*k)); cS=exp(-SI^2/(k*k)); cE=exp(-EI^2/(k*k)); cW=exp(-WI^2/(k*k)); imgn(p,q)=img(p,q)+lambda*(cN*NI+cS*SI+cE*EI+cW*WI); %扩散后的新值 end end img=imgn; %整个图像扩散完毕,用已扩散图像的重新扩散。 end figure; imshow(imgn,[]);
效果不错^^,感谢原作者
参考文献:《特征提取与图像处理(第二版)》
相关文章推荐
- 图像各向异性滤波
- 图像分析之各向异性扩散
- 利用镜面反射让游戏闪耀起来 - 创建各向异性高光类型
- 图像的各向异性扩散——启发性方法
- 数字图像处理,基于PM和Catte模型各向异性扩散的C++实现
- 图像平滑
- opencv学习笔记(六)-平滑处理图像
- 利用Sobel算子,求梯度图像
- 利用PIL合成图像为下一步做准备
- 利用TWAIN-实现与图像输入设备的通讯
- OpenCV 之三----高斯模板对图像平滑滤波
- 利用Python和PIL库读取(非转换)raw格式图像
- 极简主义︱利用apple机器学习平台Turicreate实现图像相似性检索(二)
- 利用位图建立图像列表
- OpenCV学习笔记11-图像平滑
- 图像投影特征图的波峰波谷查找的相关原理及利用差分遍历法查找波峰的OpenCV代码
- [opencv]利用每帧图像减去第一帧无人的图像来检测视频人数
- 利用MFC的Picture控件显示和处理图像
- 转载:图像高斯平滑滤波分析——如何求高斯滤波模板
- 利用开源程序(ImageMagick+tesseract-ocr)实现图像验证码识别