双边滤波器—— Matlab实现
2024-05-11 12:10:39
例：先用双边滤波器（BF）对原图像进行滤波得到低频部分，原图和低频作差后得到高频分量，高频分量和低频分量分别增强后再进行合成。
双边滤波的特点是保边去噪，相较于高斯滤波，在平滑图像的同时，增加了对图像边缘的保护，其主要原因是由于该滤波器由两部分组成，一部分与像素空间距离相关，另一部分与像素点的像素差值相关。
下面结合公式来说说为什么双边滤波在模糊图像的时候具有保边功能，双边滤波器公式为：
其中，空间邻近度因子为
亮度相似度因子为
双边滤波器的权重等于空间邻近度因子和亮度相似度因子的乘积
空间邻近度因子为高斯滤波器系数，像素距离越远，权重越小，当
越大时，平滑效果越明显。
亮度相似度因子与空间像素差值相关，像素差值越大，权重越小，这也是为什么双边滤波器能够保边去噪的原因。当
越大时，对同等灰度差的像素平滑作用越大，保边效果越差，论文中给出的参考是 一般取高斯噪声标准差的2倍。
下面列出matlab代码，这部分代码既可以处理灰度图像，也可以处理彩色图像，代码下载地址，需要有Mathworks账号：
https://cn.mathworks.com/matlabcentral/fileexchange/12191-bilateral-filtering
双边滤波器
function B = bfilter2(A,w,sigma)
%A为给定图像，归一化到[0,1]的double矩阵
%W为双边滤波器（核）的边长/2
%定义域方差σd记为SIGMA(1),值域方差σr记为SIGMA(2)
% This function implements 2-D bilateral filtering using
% the method outlined in:
%
% C. Tomasi and R. Manduchi. Bilateral Filtering for
% Gray and Color Images. In Proceedings of the IEEE
% International Conference on Computer Vision, 1998.
%
% B = bfilter2(A,W,SIGMA) performs 2-D bilateral filtering
% for the grayscale or color image A. A should be a double
% precision matrix of size NxMx1 or NxMx3 (i.e., grayscale
% or color images, respectively) with normalized values in
% the closed interval [0,1]. The half-size of the Gaussian
% bilateral filter window is defined by W. The standard
% deviations of the bilateral filter are given by SIGMA,
% where the spatial-domain standard deviation is given by
% SIGMA(1) and the intensity-domain standard deviation is
% given by SIGMA(2).
%
% Douglas R. Lanman, Brown University, September 2006.
% dlanman@brown.edu, http://mesh.brown.edu/dlanman %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Pre-process input and select appropriate filter. % Verify that the input image exists and is valid.
if ~exist('A','var') || isempty(A) error('Input image A is undefined or invalid.');
end
if ~isfloat(A) || ~sum([1,3] == size(A,3)) || ... min(A(:)) < 0 || max(A(:)) > 1 error(['Input image A must be a double precision ',... 'matrix of size NxMx1 or NxMx3 on the closed ',... 'interval [0,1].']);
end % Verify bilateral filter window size.
if ~exist('w','var') || isempty(w) || ... numel(w) ~= 1 || w < 1 %计算数组中的元素个数 w = 5;
end
w = ceil(w); %大于w的最小整数 % Verify bilateral filter standard deviations.
if ~exist('sigma','var') || isempty(sigma) || ... numel(sigma) ~= 2 || sigma(1) <= 0 || sigma(2) <= 0 sigma = [3 0.1];
end % Apply either grayscale or color bilateral filtering.
if size(A,3) == 1 %如果输入图像为灰度图像，则调用灰度图像滤波方法 B = bfltGray(A,w,sigma(1),sigma(2));
else %如果输入图像为彩色图像，则调用彩色图像滤波方法 B = bfltColor(A,w,sigma(1),sigma(2));
end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Implements bilateral filtering for grayscale images.
function B = bfltGray(A,w,sigma_d,sigma_r) % Pre-compute Gaussian distance weights.
[X,Y] = meshgrid(-w:w,-w:w);
%创建核距离矩阵，e.g.
% [x,y]=meshgrid(-1:1,-1:1)
%
% x =
%
% -1 0 1
% -1 0 1
% -1 0 1
%
%
% y =
%
% -1 -1 -1
% 0 0 0
% 1 1 1
%计算定义域核
G = exp(-(X.^2+Y.^2)/(2*sigma_d^2)); % Create waitbar.计算过程比较慢，创建waitbar可实时看到进度
h = waitbar(0,'Applying bilateral filter...');
set(h,'Name','Bilateral Filter Progress'); % Apply bilateral filter.
%计算值域核H 并与定义域核G 乘积得到双边权重函数F
dim = size(A); %得到输入图像的width和height
B = zeros(dim);
for i = 1:dim(1) for j = 1:dim(2) % Extract local region. iMin = max(i-w,1); iMax = min(i+w,dim(1)); jMin = max(j-w,1); jMax = min(j+w,dim(2)); %定义当前核所作用的区域为(iMin:iMax,jMin:jMax) I = A(iMin:iMax,jMin:jMax); %提取该区域的源图像值赋给I % Compute Gaussian intensity weights. H = exp(-(I-A(i,j)).^2/(2*sigma_r^2)); % Calculate bilateral filter response. F = H.*G((iMin:iMax)-i+w+1,(jMin:jMax)-j+w+1); B(i,j) = sum(F(:).*I(:))/sum(F(:)); end waitbar(i/dim(1));
end % Close waitbar.
close(h); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Implements bilateral filter for color images.
function B = bfltColor(A,w,sigma_d,sigma_r) % Convert input sRGB image to CIELab color space.
if exist('applycform','file') A = applycform(A,makecform('srgb2lab'));
else A = colorspace('Lab<-RGB',A);
end % Pre-compute Gaussian domain weights.
[X,Y] = meshgrid(-w:w,-w:w);
G = exp(-(X.^2+Y.^2)/(2*sigma_d^2)); % Rescale range variance (using maximum luminance).
sigma_r = 100*sigma_r; % Create waitbar.
h = waitbar(0,'Applying bilateral filter...');
set(h,'Name','Bilateral Filter Progress'); % Apply bilateral filter.
dim = size(A);
B = zeros(dim);
for i = 1:dim(1) for j = 1:dim(2) % Extract local region. iMin = max(i-w,1); iMax = min(i+w,dim(1)); jMin = max(j-w,1); jMax = min(j+w,dim(2)); I = A(iMin:iMax,jMin:jMax,:); % Compute Gaussian range weights. dL = I(:,:,1)-A(i,j,1); da = I(:,:,2)-A(i,j,2); db = I(:,:,3)-A(i,j,3); H = exp(-(dL.^2+da.^2+db.^2)/(2*sigma_r^2)); % Calculate bilateral filter response. F = H.*G((iMin:iMax)-i+w+1,(jMin:jMax)-j+w+1); norm_F = sum(F(:)); B(i,j,1) = sum(sum(F.*I(:,:,1)))/norm_F; B(i,j,2) = sum(sum(F.*I(:,:,2)))/norm_F; B(i,j,3) = sum(sum(F.*I(:,:,3)))/norm_F; end waitbar(i/dim(1));
end % Convert filtered image back to sRGB color space.
if exist('applycform','file') B = applycform(B,makecform('lab2srgb'));
else B = colorspace('RGB<-Lab',B);
end % Close waitbar.
close(h); 主函数：
clear all;
Image_pri = imread('academy.jpg');
Image_normalized = im2double(Image_pri);
w = 5; %窗口大小
sigma = [3 0.1]; %方差
Image_bf = bfilter2(Image_normalized,w,sigma);
Image_bfOut = uint8(Image_bf*255);
figure(1);
subplot(1,2,1);
imshow(Image_pri);
subplot(1,2,2);
imshow(Image_bfOut); filter_gaussian = fspecial('gaussian',[5,5],3); %生成gaussian空间波波器
gaussian_image = imfilter(Image_pri,filter_gaussian,'replicate');
figure(2);
subplot(1,2,1);
imshow(Image_pri);
subplot(1,2,2);
imshow(gaussian_image); 输入图像为512×512的Lena灰度图像
双边滤波
高斯滤波
输入图像为512×512的Lena彩色图像
双边滤波
高斯滤波
注意看双边滤波图像，帽子边缘，模糊的效果很明显，但皮肤和背景处，仍然比较清晰，说明起到了保边平滑的作用。
下面给出一些测试结果
输入图像为256×256 Einstein灰度图像
双边滤波，滤波后黑色领带与白色衬衫区域轮廓清晰。
高斯滤波，滤波后图像整体模糊。
输入图像为256×256 大沸沸彩色图像
双边滤波
高斯滤波
输入图像为400×300的彩色图像
双边滤波
高斯滤波
此处代码运算速度很慢，2007年，麻省理工学院学者提出了快速双边滤波算法，并且给出了matlab代码，下载地址：
http://people.csail.mit.edu/jiawen/#code
参考资料：
1. http://blog.csdn.net/abcjennifer/article/details/7616663
2. http://blog.csdn.net/bugrunner/article/details/7170471
3. Bilateral Filtering for Gray and Color Images
4. Fast Bilateral Filtering for the Display of High-Dynamic-Range Images
双边滤波器—— Matlab实现相关推荐
- 【双边滤波】基于小波变换的多尺度自适应THZ增强双边滤波器的MATLAB仿真
1.软件版本 MATLAB2021a 2.本算法理论知识 提出了一种"基于小波变换的多尺度自适应双边滤波器"算法. 其对应的算法流程如下所示: 下面,我们从理论上限介绍一下这里所采 ...
- 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 ...
- 使用Matlab实现美颜功能（双边滤波器）
使用Matlab实现美颜功能(双边滤波器) 先晒美颜效果 借用一张lena小姐的图 可以看出美颜效果还是有的,下面进行过程实现 基本原理 保留边界细节,模糊变化不明显的区域 我们知道高斯滤波器可以起到 ...
- 双边滤波器的原理及实现
双边滤波器是什么? 双边滤波(Bilateral filter)是一种可以保边去噪的滤波器.之所以可以达到此去噪效果,是因为滤波器是由两个函数构成.一个函数是由几何空间距离决定滤波器系数.另一个由像素 ...
- 点云去噪-双边滤波-matlab实现-2021-7-26-
2021-7-21的时候博主已经写过部分点云去噪的介绍及部分滤波matlab写法,在新开的博客中补充博主在写双边滤波时的想法,21号的贴子链接: 2021-7-21-点云去噪(中值.高斯.均值.SOR ...
- 联合双边滤波器（joint bilateral filter)
原文地址: 联合双边滤波器(joint bilateral filter) 作者: pplong 前面介绍了双边滤波器(bilateral filter,LBF),然而BF的权值是不稳定的,因此在边缘 ...
- 双边滤波器在灰度和彩色图像处理中的应用
原文链接:http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html 版权归原 ...
- bilateral filter双边滤波器的通俗理解
bilateral filter双边滤波器的通俗理解 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,bila ...
- 能使曲线变平滑的一维滤波器_双边滤波器的原理及实现
双边滤波(Bilateral filter)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,同时考虑空域信息和灰度相似性,达到保边去噪的目的. 双边滤波器之所以能够做到在平 ...
最新文章
- liunx使用ssh免密登录
- 运行webpack-dev-srerver 端口占用错误及解决办法
- monkeyrunner无法运行的问题解决方案总结
- linux模糊查找子目录,linux怎么模糊查找一个文件
- element-ui select
- IOS 单行文本输入框 UITextField 使用
- mtd设备操作、jffs2
- 华为防火墙配置命令大全，超级详细
- 2005年计算机图书出版路在何方——出版崩溃了吗？
- 【IM-03】Web端匿名聊天
- 利用Matlab解决线性规划问题并绘制特定形状的空间曲面（约束区域的绘图）
- FLOPS, FLOPs and MACs
- 华盛顿大学计算机专业硕士申请,华盛顿大学计算机科学与系统理学硕士研究生申请要求及申请材料要求清单...
- unity-导航系统
- 如何使用微信开发者工具调试前后端接口
- 服务器测试之网卡bond测试
- Nvidia移动显卡型号及参数一览表
- 做数据分析为什么梳理标签体系很重要？
- Python程序设计第六章测验总结
- android财务软件,手机财务软件