滤波算法
文章平均质量分 53
残月飞雪
在读博士,方向为图像处理
展开
-
线性滤波与非线性滤波区别
转载自http://www.cnblogs.com/snowxshy/p/3855011.html数字图像处理线性滤波:输出图像fo(x,y)= T[ fi(x,y) ],T是线性算子,即:输出图像上每个像素点的值都是由输入图像各像素点值加权求和的结果。非线性滤波的算子中包含了取绝对值、置零等非线性运算。线性滤波器的原始数据与滤波结果是一种算术运算,即用加减乘除等运算实现,如均值滤转载 2015-05-15 08:53:55 · 11164 阅读 · 0 评论 -
双边滤波(bilateral filter)快速算法 matlab实现代码
本算法参考自论文"Paris S, Durand F. A fast approximation of the bilateral filter using a signal processing approach[M]//Computer Vision–ECCV 2006. Springer Berlin Heidelberg, 2006: 568-580."下面的代码也是作者团队编写的。下原创 2016-01-05 16:41:30 · 21600 阅读 · 2 评论 -
双边滤波(bilateral filter)彩色图 matlab实现代码
接上篇文章,这次双边滤波处理的是彩色图。下面是函数代码:function J=btfColorImage(I,G,sigma_d,sigma_r,filterRadius)x=-filterRadius:filterRadius;y=-filterRadius:filterRadius;[xx,yy]=meshgrid(x,y);spatialKernel=exp(- (xx.^2原创 2016-01-05 16:29:31 · 11255 阅读 · 5 评论 -
双边滤波(bilateral filter)灰度图 matlab实现代码
使用matlab编写,未使用快速算法的双边滤波实现代码。下面是实现函数:function J=bftGrayImage(I,G,sigma_d,sigma_r,filterRadius)x=-filterRadius:filterRadius;y=-filterRadius:filterRadius;J=zeros(size(I));[xx,yy]=meshgrid(x,y);s原创 2016-01-05 16:10:48 · 5499 阅读 · 2 评论 -
matlab自带函数实现高斯滤波
自己编写的高斯滤波已理解,可是matlab自带的高斯滤波函数却没有用过,这里记录一下。%matlab自带函数实现灰度图高斯滤波clearclose allimg=imread('lena.bmp');sigma=6;%标准差大小window=double(uint8(3*sigma)*2+1);%窗口大小一半为3*sigmaH=fspecial('gaussian', win原创 2015-06-26 18:14:31 · 42038 阅读 · 1 评论 -
24位真彩色图高斯模糊(VC++)
前两篇文章处理的都是8位灰度图,这篇文章处理的是24位真彩色图(bmp),它们之间的不同主要是8位灰度图有调色板,一个像素占一个字节,而24位真彩色图是一个像素占3个字节,分别是BGR三个通道(存储的顺序为BGR),因此在将算法从8位灰度图转移到24位真彩色图时,只需要对BGR三个通道分别处理即可。下面是实现代码:一、24位真彩色图二维卷积高斯模糊,边缘已处理,无黑边(效果在后面)/********原创 2015-06-03 16:55:59 · 1874 阅读 · 0 评论 -
8位灰度图两次一维卷积高斯模糊(VC++)
上篇文章中高斯模糊的处理方法是使用二维高斯卷积,但是这种方法是非常耗时间的,因此可以根据高斯函数的可分离性,对二维高斯模糊函数进行改进。高斯函数的可分离性是指使用二维矩阵变换得到的效果也可以通过在水平方向进行一维高斯矩阵变换加上竖直方向的一维高斯矩阵变换得到。从计算的角度来看,这是一项有用的特性,因为这样只需要O(n*M*n)+O(m*M*N)次计算,而二维不可分的矩阵则需要O(m*n*M*n)次计原创 2015-06-03 16:34:17 · 2952 阅读 · 0 评论 -
8位灰度图二维卷积高斯模糊(VC++)
前段时间一直在学高斯模糊,现在把能够实现处理8位灰度位图的VC++程序记录下来。高斯模糊是一种图像滤波器,它使用正态分布(高斯函数)计算模糊模板,并使用该模板与原图像做卷积运算,达到模糊图像的目的。N维空间正态分布方程为:其中,σ是正态分布的标准差,σ值越大,图像越模糊(平滑)。r为模糊半径,模糊半径是指模板元素到模板中心的距离。如二维模板大小为m*n,则模板上的元素(x,y)对应的高斯计算公式为:原创 2015-06-03 16:11:31 · 3386 阅读 · 0 评论 -
使用递归高斯滤波器IIR实现快速高斯模糊
转自:http://write.blog.csdn.net/postedit?ref=toolbar高斯窗常用于对图像进行模糊或低通滤噪,但是随着高斯半径的增加,时间消耗会逐级增加 如高斯半径为N时,计算每个输出采样点需要计算的乘法次数为(2N+1)模糊方向数,加法次数为2N模糊方向数,这种情况下,当N=100时,甚至更大时,计算量是非常大的,即使进行SIMD指令集优化,在很多情况下仍然不能满足要转载 2015-05-22 21:21:44 · 2077 阅读 · 0 评论 -
快速高斯模糊(IIR递归高斯模糊)
本人是图像处理的初学者,在http://www.cnblogs.com/Imageshop/p/3145216.html博文中看到有关图像柔光的特效处理原理后自己也动手实现了一下,这里包括一个快速高斯模糊的算法,具体原理可以参考论文《Recursive Implementation of the gaussian filter》,这个算法的主要优点是高斯模糊的速度与高斯函数标准差没有关系,本文主要是原创 2015-06-01 17:36:12 · 2991 阅读 · 2 评论 -
matlab自带函数实现高斯滤波(gauss filter)快速算法
将高斯核分为水平方向和垂直方向,先后对图像进行卷积处理,可提高处理速度。function output=gaussFilter(I,sigma)output=I;ksize=double(uint8(3*sigma)*2+1);%窗口大小一半为3*sigma window = fspecial('gaussian', [1,ksize], sigma); %使用1行ksize列的高斯核对原创 2016-01-06 15:53:07 · 26722 阅读 · 0 评论