基于Matlab的高斯相关滤波和高斯卷积滤波

                                   基于Matlab中imfilter函数的高斯相关滤波和高斯卷积滤波

0   定义&作用

        高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的降噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。

参考链接：https://baike.baidu.com/item/高斯滤波/9032353?fr=aladdin

 

1  多种滤波效果比较

        图像处理中，常用的滤波算法有均值滤波、中值滤波以及高斯滤波等。均值滤波使用模板内所有像素的平均值代替模板中心像素灰度值，这种方法易收到噪声的干扰，不能完全消除噪声，只能相对减弱噪声；中值滤波计算模板内所有像素中的中值，并用所计算出来的中值替换模板中心像素的灰度值，这种方法对噪声不是那么敏感，能够较好的消除椒盐噪声，但是容易导致图像的不连续性。高斯滤波对图像邻域内像素进行平滑时，邻域内不同位置的像素被赋予不同的权值，对图像进行平滑的同时，同时能够更多的保留图像的总体灰度分布特征。

参考链接：https://blog.csdn.net/lz0499/article/details/54015150

 

2  实现流程

        高斯滤波的具体实现流程：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

        在MATLAB工具中，fspecial('gaussian', hsize, sigma)函数用于产生高斯滤波掩模，imfilter(I,G,'corr/conv','replicate','same')函数用于对原始图像各像素点进行高斯滤波，imfilter()函数有相关属性滤波和卷积属性滤波两种。具体实现流程见下文所示。

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%     基于Matlab的高斯相关滤波和高斯卷积滤波     %%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%% step1: 读取原始图片数据
I = imread('lena.png');
% figure; imshow(I);

%%%% step2: 生成高斯滤波模板
sigma = 1.5;  %设定标准差值，该值越大，滤波效果（模糊）愈明显
window = double(uint8(3*sigma)*2 + 1);  %设定滤波模板尺寸大小
%fspecial('gaussian', hsize, sigma)产生滤波掩模
G = fspecial('gaussian', window, sigma);

%%%% step3: 图像各像素点进行高斯滤波
%为了不出现黑边，使用参数'replicate'（输入图像的外部边界通过复制内部边界的值来扩展）
img_gauss_corr = imfilter(I,G,'corr','replicate','same');
img_gauss_conv = imfilter(I,G,'conv','replicate','same');

%%%% step4: 图像经高斯滤波前后对比 
figure(1)
imshow(I),title('原始图像');

figure(2)
subplot(1,2,1),imshow(img_gauss_corr),title('高斯相关滤波图像');
subplot(1,2,2),imshow(img_gauss_conv),title('高斯卷积滤波图像');

参考链接：https://blog.csdn.net/majinlei121/article/details/46652859

 

3  结果对比

        原始图像采用经典的lenna图，图像滤波结果对比如下所示。

                                              

                                  

         结论： 可以看出滤波后的图像变得模糊了，因为加权平均的效果。

         疑问： 由于imfilter（）函数有corr和conv两种滤波属性，现阶段我明白二者的实现差异，但是我不理解基于二者滤波后，图像滤波效果有何不同？或者二者属性分别应用在哪些场合，如何选择？如果有网友知道，请指教，谢谢了！

         PS：（我是图像处理方面小白）