在Matlab使用高斯滤波器

本文首先使用Matlab展示示例，我要做的是在Matlab中演示过滤中的代码和效果。

基本上，Matlab构建过滤器和应用过滤器是非常常见，甚至琐碎的。

Matlab，我们要做的是定义两件事：

第一：我们将定义内核的大小；（请记住，这就是我们之前谈论的内容）

>> hsize = 31;

在这个例子它将是31乘31。注意是核大小为奇数，注意我才可以把中心像素画下来。

第尔：我们将定义sigma的大小；

我要让sigma为5。

Matlab有一个非常棒的小函数fspecial。

>> sigma = 5;
>> h = fspecial('gaussian', hsize, sigma);

在fspecial中，您可以为其指定参数，其中一个是您想要的过滤器类型。我们选择"gaussian"。

您还必须给它hsize和sigma，才能完成这个函数的操作。

您也可以给它矩形尺寸和多个sigma。完成后，它将为您构建这些过滤器。

事实上，Matlab有一个叫做冲浪的美丽小功能。

>> surf(h);

对，如果你用正确的颜色图画出来，它会把你画成一个曲面，你会看到这个：

您还可以将其显示为俯瞰的图像，

>> imagesc(h);

运行代码后效果如图：

但更重要的是，你可以取你的图像，这是我们这里熊猫的图像：

我可以用这个h对它进行过滤：

>> outim = imfiler(im, h);
>> imshow(outim);

这是我们刚建立的过滤器，然后我可以展示它。那会是什么样子？

这将是一只模糊的熊猫。

此代码是构建过滤器并将其应用于Matlab中的图像所需的全部代码。

这很容易。

同样，根据sigma的大小，我们得到不同的平滑量。

所以这里我们使用三个不同的sigma：1，3和10。代码如下：

>> for sigma = 1:3:10h = fspecial('gaussian', fsize, sigma);out = imfiler(im, h);imshow(out);pause;end

我们使用不同大小的sigmas建立我们的高斯，我们过滤并显示它们，结果如图：

如你所看，我们得到了不会模糊，一般模糊，很模糊的三个不同效果。（注意模糊是由sigma大小决定，而不是内核大小）

这就是在Matlab中构建这些过滤器所需的全部内容。

在Octave高斯滤波器去除噪音

我们谈一下使用滤波器去除噪声，让我们看看它是如何运作的。

让我们加载一个完美的图像。

>> img = imread('saturn.png');
>> imshow(img);

代码运行结果如下：

然后通过添加一些噪音来破坏它。

>> noise = randn(size(img)) .* 25;
>> noise_img = img + noise;
>> imshow(noise_img);

代码运行结果如下：

我应该为这个sigma命名以避免以后混淆。

>> noise_sigma = 25;
>> noise = randn(size(img)) .* noise_sigma;
>> noise_img = img + noise;
>> imshow(noise_img);

最后，我们知道如何创建高斯滤波器。我们定义一个内核大小和一个sigma。

>> filter_size = 11;
>> filter_sigma = 2;

接着我们可以使用图像包中的fspecial函数。所以首先加载包，然后创建过滤器。

>> pkg load image;
>> filter = fspecial('gaussian', filter_size, filter_sigma);

现在，我们可以应用此过滤器来消除噪音。

>> smoothed = imfilter(niose_img, filter);
>> imshow(smoothed);

注意imfilter中参数的顺序：首先是图像，然后是过滤器。

代码运行后：

请注意滤镜是如何平滑的，或者更确切地说是模糊了图像。

像噪音一样的细微颗粒现在被弄模糊了。但是过滤器也对原始图像产生了很大影响。

因此，去除噪音并不神奇。你不可能完全回到最初的状态。

在视觉上，它可能看起来不太令人印象深刻，但是考虑到噪声图像与平滑图像相比，图像处理程序的进一步表现非常不同。

继续，自己运行此代码，你尝试不同的参数来生成噪音和平滑。

保持两个高斯直行

最后，至少要警告或澄清一句话。

我们说过，作为高斯滤波器的宽度，这是模糊平滑的方差。

上次我们谈到Sigma或Sigma平方作为噪声函数的方差时，增加了多少噪声。

在一种情况下，滤波器σ是空间中的宽度，与噪声一样，它是一个值的方差。噪声σ越大，就越有可能产生大的噪声值。

噪声信号越大，添加的噪声越大，模糊滤波器σ（sigma）越大，模糊程度就越大。

所以，你必须是一个合理的sigma，因为他们都使用正态分布。

但是一个超过了一个空间，一个超过了强度。

我们可以在这里展示这两个sigma，顺便说一下，在这里我使用的是从0到1的图像。如图：

在最上面的一行中，没有进行平滑过滤，我们在噪声中有一个0.2的sigma。

0.2对于范围只有0到1，或者-0.5到0.5，那么这是一个很大的噪音。

sigma为0.1噪音较小。

sigma为0.05的噪音更小。

但是我们可以用高斯来平滑这些噪音。

在sigma=0.2时，我们越平滑，红色线的噪音就越模糊。如图：

因此，对于同样数量的平滑，噪声越小，同样数量的平滑就越平滑。

这里的红色圈起来的图像是最平滑的。

但这是向你们展示这两个sigma，这两个高斯。

从上下文来看，它几乎总是清晰的，但是有人会说：“等一下，我认为信号越大，噪音就越大。

现在你告诉我Sigma越多，越模糊，我们拥有的噪音就越少。”

我回答：“sigma为2！”

这结束了有关过滤和噪音的文章。（以后发现有用的相关过滤和噪音的文章会继续补充）

我们将开始进一步新的内容的图像处理。

总结：

1.目前滤波这单元我们学到了，移动平均线和加权移动平均线的概念；

2.相关滤波：均匀权重（移动平均）、不均匀权重的（加权移动平均）。

3.加权移动平均思想最终优化为使用正态分布的高斯滤波器。

4.高斯滤波器针对不同维度有不同的公式。

——学会编写自己的代码，才能练出真功夫。

3.过滤——高斯滤波器之Matlab、Octave实战、保持两个高斯直行_5相关推荐

用MATLAB编写限幅滤波程序,双二阶滤波器之MATLAB设计及C语言实现
本文中的例子和代码放在Github First,什么是双二阶滤波器?wiki上是这么说的:二阶.递归.线性,含有两个极点和两个零点,"双二阶"的名字来源于它的传递函数是两个二次多项 ...
干货分享基于MATLAB的带噪图像的高斯滤波论文
基于MATLAB的带噪图像的高斯滤波摘要:图像常常被强度随机信号(也称为噪声)所污染．一些常见的噪声有椒盐(Salt & Pepper)噪声.脉冲噪声.高斯噪声等．椒盐噪声含有随机出现的黑白 ...
基于MATLAB的带噪图像的高斯滤波
基于MATLAB的带噪图像的高斯滤波摘要:图像常常被强度随机信号(也称为噪声)所污染．一些常见的噪声有椒盐(Salt & Pepper)噪声.脉冲噪声.高斯噪声等．椒盐噪声含有随机出现的黑白 ...
图像处理中的滤波器之均值滤波,中值滤波,高斯滤波
1.均值滤波原理: 均值滤波采用线性的方法,使用模板内所有像素的平均值代替模板中心像素灰度值特点: 不能很好地保护图像细节,在图像去噪的同时也破坏了图像的细节部分,从而使图像变得模糊,不能很好地去 ...
OpenCV 高斯滤波
高斯噪声:噪声的概率密度分布是正态分布高斯噪声用途:去除高斯噪声如果原图是彩色图片,可以对RGB三个通道分别做高斯平滑. cv2.GaussianBlur(src,ksize,sigmaX,sig ...
高斯滤波的理解与学习
高斯滤波的理解与学习微信公众号:幼儿园的学霸目录文章目录高斯滤波的理解与学习目录前言高斯函数一维高斯函数二维高斯函数高斯滤波过程高斯核求解利用高斯核滤波高斯滤波步骤高斯滤波 ...
【OpenCV 4开发详解】高斯滤波
本文首发于"小白学视觉"微信公众号,欢迎关注公众号本文作者为小白,版权归人民邮电出版社发行所有,禁止转载,侵权必究! 经过几个月的努力,小白终于完成了市面上第一本OpenCV 4 ...
图像滤波之高斯滤波介绍
1 高斯滤波简介了解高斯滤波之前,我们首先熟悉一下高斯噪声.高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声.如果一个噪声,它的幅度分布服从高斯分布,而它的功率谱密度又是均匀分布的, ...
图像处理：高斯滤波算法
目录前言概念介绍基本原理卷积核的大小卷积核的形状和权重比卷积核的归一化结论 Opencv实现高斯滤波 Python手写实现高斯滤波参考文章前言在此之前,我曾在此篇中推导过图像处理: ...

3.过滤——高斯滤波器之Matlab、Octave实战、保持两个高斯直行_5

目录