MATLAB双边滤波图像

%% Bilateral双边滤波器
clc,clear,close all % 清理命令区、清理工作区、关闭显示图形
warning off % 消除警告
feature jit off % 加速代码运行
[filename ,pathname]=…
uigetfile({‘.bmp’;'.tif’;‘*.jpg’;},‘选择图片’); %选择图片路径
str=[pathname filename]; % 合成路径+文件名
im = imread(str); % 读图
im = imnoise(im,‘gaussian’,0,1e-3); % 原图像 + 白噪声

figure,
subplot(121),imshow(im);title(‘原始图像’)
colormap(jet) % 颜色
shading interp % 消隐
[im1, PSNR] = bif_filter(im,3,0.2);
subplot(122),imshow(im1);title(‘双边滤波图像’)
colormap(jet) % 颜色
shading interp % 消隐
function [out, psn]=bif_filter(im,sigd,sigr)
% bilateral filter双边滤波器
% 函数输入：
% im 输入的图像
% sigd 空间内核的时域参数
% sigr 内核参数强度变化范围
% 函数输出：
% out 滤波图像 = output imagespatial kernel

w=(2sigd)+1;
% sigr=(n100)^{2/(.003*(sigd}2)); % 自适应R值，n为高斯噪声强度,n=0.001

% 高斯滤波器
gw=zeros(w,w); % 高斯权值矩阵初始化
c=ceil(w/2); % 向前取整
c=[c c]; % 中心元素位置

for i=1:w
for j=1:w
q=[i,j]; % 记录相连像素位置标识位
gw(i,j)=norm(c-q); % 欧氏距离
end
end

Gwd=(exp(-(gw.^2)/(2*(sigd2)))); % 高斯函数

% Padding 扩展图像的边界，防止滑动窗口边界值溢出
proci=padarray(im,[sigd sigd],‘replicate’);
% A = [1 2; 3 4];
% B = padarray(A,[3 2],‘replicate’,‘post’)
% B =
% 1 2 2 2
% 3 4 4 4
% 3 4 4 4
% 3 4 4 4
% 3 4 4 4

[row clm]=size(proci); % Size of image
if ~isa(proci,‘double’)
proci = double(proci)/255; % 转换为double类型
end

K=sigd;
L=[-K:K];
c=K+1; % 中心元素位置
iter=length(L); % 迭代次数
ind=1;

for r=(1+K):(row-K) % 行
for s=(1+K):(clm-K) % 列
for i=1:iter % 窗口大小行
for j=1:iter % 窗口大小列
win(i,j)=proci((r+L(i)),(s+L(j))); % 获取窗口
end
end
I=win; % 灰度矩阵
win=win(c,c)-win; % 相对中心点处的强度差异，中心点为参考灰度值
win=sqrt(win.^2); % 保证win中的每一个元素为正
Gwi=exp(-(win.^2)/(2*(sigr2))); % 高斯函数
weights=(Gwi.*Gwd)/sum(sum(Gwi.*Gwd)); % 高斯权值
Ii=sum(sum(weights.*I)); % 得到当前双边滤波值
proci(r,s)=Ii; % 替换当前灰度值
win=[];
end
end

% 移除边界扩展值
proci=rpadd(proci,K); % 移除边界扩展值
out=im2uint8(proci); % 类型转换

%% 滤波重建后，图像峰值信噪比计算
if ~isa(out,‘double’)
dimg = double(out)/255; % 转换为double类型
end
psn = PSN(im,dimg); % PSNR,峰值信噪比

end

function x=rpadd(R,K)
% 移除边界扩展值
% 函数输入：
% R 输入的图像矩阵
% K 窗口大小(2*K + 1)
% 函数输出：
% x 移除边界扩展值后的原图像矩阵
for i=1:K
R(1,:)=[];
R(:,1)=[];
[ro cl]= size®;
R(ro,:)=[];
R(:,cl)=[];;
end
x=R;
end

function [out]=PSN(orgimg,mimg)
% 峰值信噪比计算

orgimg =im2double(orgimg);
mimg =im2double(mimg);
Mse=sum(sum((orgimg-mimg).^2))/(numel(orgimg)); % Mean square Error均方差
out=10*log10(1/Mse);
end

MATLAB双边滤波图像相关推荐

【图像融合】基于matlab导向滤波图像融合【含Matlab源码 1959期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[图像融合]基于matlab导向滤波图像融合[含Matlab源码 1959期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方式2: ...
matlab双边滤波处理点云,常见点云滤波算法
姓名:张志文学号:19021210649 [嵌牛观察] 目前点云处理的算法十分的多,不同的滤波算法有着不同的应用方向 [嵌牛鼻子] 点云:滤波 [嵌牛提问] 常见的点云滤波算法有哪些? [嵌牛正文] ...
matlab 双边滤波(彩色图)
% matlab 2012b % 彩色图的双边滤波 clc; clear; src=imread('cs.jpg'); %加载彩色图 %-------双边滤波参数 ----------------- ...
【图像增强】基于matlab双边滤波retinex算法暗光图像增强【含Matlab源码 2305期】
⛄一.简介 1 Retinex 1.1 理论 Retinex理论始于Land和McCann于20世纪60年代作出的一系列贡献,其基本思想是人感知到某点的颜色和亮度并不仅仅取决于该点进入人眼的绝对光线, ...
双边滤波去噪matlab代码,双边滤波器原理及其matlab实现
之前做过图像细节增强方面的工作,处理的是红外灰度14bit图像,图像信号由14bit AD量化后,再经FPGA处理得到,使用非锐化掩模的方法,先用双边滤波器(BF)对原图像进行滤波得到低频部分,原图和 ...
双边滤波原理与参数的理解+双边滤波matlab实现
基本思路高斯滤波是一种常用而且简单的降噪算法.但其缺点也很明显,就是会不加区分地将噪声与图像边缘等细节一起平滑处理. 而双边滤波是基于高斯滤波进行改进的方法.在高斯滤波的基础上,双边滤波引入了像素值 ...
图像降噪算法——中值滤波/均值滤波/高斯滤波/双边滤波
图像降噪算法--中值滤波/均值滤波/高斯滤波/双边滤波图像降噪算法--中值滤波/均值滤波/高斯滤波/双边滤波 1. 基本原理 2. C++代码实现 3. 结论图像降噪算法--中值滤波/均值滤波/高 ...
c语言双边滤波算法,浅析bilateral filter双边滤波器的理解
图像去噪的方法很多,如中值滤波,高斯滤波,维纳滤波等等.但这些降噪方法容易模糊图片的边缘细节,对于高频细节的保护效果并不明显.相比较而言,bilateral filter双边滤波器可以很好的边缘保护, ...
opencv 双边滤波算法(Bilateral Filters)原理及实现
双边滤波是一种非线性的滤波方法,是结合图像的空间邻近度和像素值相似度的一种折衷处理,同时考虑空间与信息和灰度相似性,达到保边去噪的目的,具有简单.非迭代.局部处理的特点.之所以能够达到保边去噪的滤波效 ...

MATLAB双边滤波图像

MATLAB双边滤波图像相关推荐

最新文章

热门文章