【图像去噪】基于matlab最佳加权双边滤波图像去噪【含Matlab源码 459期】

一、双边滤波图像去噪简介

理论知识参考文献：基于联合双边滤波的图像去噪与融合方法研究

二、部分源代码

% Image Denoising using Optimally Weighted Bilateral Filters
%%
%  Acronyms:
%
%  SBF: Standard Bilateral Filter.
%  RBF: Robust Bilater Filter.
%  WBF: Weighted Bilateral Filter.
%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%
% parameters
sigma = 30;        %  noise
sigmas = 4;        %  spatial gaussian kernel
sigmar1 = 20;    %  range gaussian kernel for SBF
sigmar2 = 20;    %  range gaussian kernel  for RBF
w = 6*round(sigmas)+1;
tol = 0.01;
%
% read input image
%
f0 = double(imread('./images/cameraman.tif'));
[m,n]=size(f0);
%
% generate noise
%
noise=sigma*randn(m,n);
%
% noisy input for the algorithm
%
f = double(f0) + noise;
%
% compute SBF and divergence
%
L = 0;
[M, N]=computeTruncation(f, sigmar1, w, tol);
[f1, div1] = computeDivergence(f, f, sigmas,sigmar1,L,w,N,M);
%
% compute RBF and divergence
%
L = 1;
h = ones(2*L+1, 2*L+1) /((2*L+1)^2) ;
barf  =  imfilter(f,h);
[M, N] = computeTruncation(barf, sigmar2, w, tol);
[f2, div2] = computeDivergence(f, barf,sigmas,sigmar2,L,w,N,M);
%
% compute optimal weights
%
A = [norm(f1,'fro')^2,  sum(sum(f1.*f2));sum(sum(f1.*f2)), norm(f2,'fro')^2];
b = [sum(sum(f1.*f)) - sigma^2*div1; sum(sum(f2.*f)) - sigma^2*div2];
theta = A\b;
%
% form the WBF
%
bfoptSURE = theta(1)*f1 + theta(2)*f2;
% computing PSNR's
peak=255;
PSNRnoisy = 10 * log10(m*n*peak^2/ ...sum(sum((f - f0).^2)) );         % noisy PSNR
PSNR_f1 = 10 * log10(m * n * peak^2 ...                                  / sum(sum((f1 - f0).^2)) );       % SBF PSNR
PSNR_f2 = 10 * log10(m * n * peak^2 ...                                  / sum(sum((f2 - f0).^2)) );       % RBF PSNR
PSNRb_f = 10 * log10(m * n * peak^2 ...                       / sum(sum((bfoptSURE - f0).^2)) );  % WBF PSNR
%
% display
%
h=figure('Units','normalized','Position',[0 0.5 1 0.5]);
set(h,'name','Denoising Results')
colormap gray,
%
subplot(2,3,1)
imshow(uint8(f0));
title('Clean Image')
%
subplot(2,3,2)
imshow(uint8(f));
title(['Noisy Image, PSNR = ', ...num2str(PSNRnoisy,'%.2f')]);
%
subplot(2,3,3)
imshow(uint8(f1));
title(['SBF, PSNR = ', ...num2str(PSNR_f1,'%.2f')]);
%
subplot(2,3,4)
imshow(uint8(f2));
title(['RBF, PSNR = ', ...num2str(PSNR_f2,'%.2f')]);
%
subplot(2,3,5)
imshow(uint8(bfoptSURE));
title(['WBF, PSNR = ', ...num2str(PSNRb_f,'%.2f')]);
%
subplot(2,3,6)
imshow(uint8(bfoptSURE-f0));
title('Residual Noise in WBF');
% compute filter and divergence using shiftable algorithm
%
function [F, div] = computeDivergence ...(f,barf,sigmas,sigmar,L,w,N,M)
filt   = fspecial('gaussian', [w w], sigmas);
ct = (w+1)/2;
centerWt = filt(ct,ct);
gamma  =  1/(sqrt(N)*sigmar);
twoN    =  2^N;
[m,n] = size(f);S = zeros(m,n);
delR = zeros(m,n);
delS = zeros(m,n);
if M == 0for k = 0 : Nomegak = (2*k - N)*gamma;ck = nchoosek(N,k)/twoN;U = exp(-ii*omegak*barf);W = conj(U);V = W.*f;barV  = imfilter(V, filt);barW = imfilter(W, filt);B = ck*U.*barV;C = ck*U.*barW;R = R + B;S  = S + C;delR = delR + omegak*B;delS = delS  + omegak*C;endF = real(R./S);delR =  centerWt - (1/(2*L+1))^2*ii*delR;delS  = -ii*(1/(2*L+1))^2*delS;
elsesumck = 0;sumckwk = 0;if N < 50for k = M : N - Momegak = (2*k - N)*gamma;warning('off'); %#ok<WNOFF>ck = nchoosek(N,k)/twoN;U = exp(-ii*omegak*barf);W = conj(U);V = W.*f;barV  = imfilter(V, filt);barW = imfilter(W, filt);B = ck*U.*barV;C = ck*U.*barW;sumck = sumck + ck;sumckwk = sumckwk + ck*omegak;R = R + B;S  = S + C;delR = delR + omegak*B;delS = delS  + omegak*C;endelsefor k = M : N - Momegak = (2*k - N)*gamma;warning('off'); %#ok<WNOFF>% Sterling's approximationck = exp(logfactorial(N) - logfactorial(k) ...- logfactorial(N-k) - N*log(2));W = conj(U);V = W.*f;barV  = imfilter(V, filt);barW = imfilter(W, filt);B = ck*U.*barV;C = ck*U.*barW;sumck = sumck + ck;sumckwk = sumckwk + ck*omegak;R = R + B;S  = S + C;delR = delR + omegak*B;delS = delS  + omegak*C;endendF =real(R./S);delR = centerWt*sumck + ii*(1/(2*L+1))^2* ...(centerWt*sumckwk*f - delR);delS = ii*(1/(2*L+1))^2*(centerWt*sumckwk - delS);
end
div  = real(sum(sum((S.*delR - R.*delS)./S.^2)));
end

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.

【图像去噪】基于matlab最佳加权双边滤波图像去噪【含Matlab源码 459期】相关推荐

【Matlab生物电信号】生物电信号仿真【含GUI源码 684期】
一.代码运行视频(哔哩哔哩) [Matlab生物电信号]生物电信号仿真[含GUI源码 684期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]董兵,超于毅,李 ...
【Matlab语音分析】语音信号分析【含GUI源码 1718期】
一.代码运行视频(哔哩哔哩) [Matlab语音分析]语音信号分析[含GUI源码 1718期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]韩纪庆,张磊,郑铁 ...
【Matlab验证码识别】遗传算法和最大熵优化+大津法（OTSU）+自定义阈值数字验证码识别【含GUI源码 1694期】
一.代码运行视频(哔哩哔哩) [Matlab验证码识别]遗传算法和最大熵优化+大津法(OTSU)+自定义阈值数字验证码识别[含GUI源码 1694期] 二.matlab版本及参考文献 1 matlab ...
【Matlab人脸识别】BP神经网络人脸识别（含识别率）【含GUI源码 891期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]BP神经网络人脸识别(含识别率)[含GUI源码 891期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] ...
【Matlab人脸识别】形态学教室人数统计（带面板）【含GUI源码 1703期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]形态学教室人数统计(带面板)[含GUI源码 1703期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]孟 ...
【Matlab人脸识别】人脸实时检测与跟踪【含GUI源码 673期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]人脸实时检测与跟踪[含GUI源码 673期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]孟逸凡,柳益君 ...
【Matlab图像融合】小波变换遥感图像融合【含GUI源码 744期】
一.代码运行视频(哔哩哔哩) [Matlab图像融合]小波变换遥感图像融合[含GUI源码 744期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 包子阳,余 ...
【Matlab语音加密】语音信号加密解密（带面板）【含GUI源码 181期】
一.代码运行视频(哔哩哔哩) [Matlab语音加密]语音信号加密解密(带面板)[含GUI源码 181期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]韩纪庆 ...
【Matlab身份证识别】身份证号码识别【含GUI源码 014期】
一.代码运行视频(哔哩哔哩) [Matlab身份证识别]身份证号码识别[含GUI源码 014期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅.MAT ...
【Matlab人脸识别】KL变换人脸识别【含GUI源码 859期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]KL变换人脸识别[含GUI源码 859期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅.MAT ...