数字图像处理（一）：线性空间滤波

最新推荐文章于 2021-07-05 19:13:13 发布

o__O_pyx

最新推荐文章于 2021-07-05 19:13:13 发布

阅读量2.2k

点赞数 1

分类专栏：数字图像处理

本文链接：https://blog.csdn.net/o__O_pyx/article/details/104233403

版权

数字图像处理专栏收录该内容

9 篇文章 6 订阅

订阅专栏

一、基本概念

领域处理

邻域处理的步骤：
(1) 选取中心点(x,y)
(2) 仅对预先定义的关于点(x,y) 的邻域内的像素执行操作
(3) 令运算结果为该点处处理的响应
(4) 对图像中的每一点重复此步骤。
这个过程中，移动中心点会产生新的邻域，而每个邻域对应于输入图像上的一个像素。

若对邻域中像素的计算为线性运算时，则此运算称为线性空间滤波 (也称为空间卷积)；否则，称此运算为非线性空间滤波。

本章所关注的线性运算包括将邻域中每个像素与相应的系数相乘，然后将结果进行累加，从而得到点(x,y)处的响应。
若邻域的大小为 m x n ,则总共需要 mn 个系数。这些系数排列为一个矩阵，称其为滤波器、掩膜、滤波模板、核、模板或窗口等术语

full same

‘full’：充零后，计算结果为f和w对齐后的乘积累加和
‘same’：起始点位于掩膜的中心点，结束点是f的最后一点与掩膜中心点对齐

二、函数imfilter

工具箱使用函数 imfilter 来实现线性空间滤波
函数语法：g = imfilter(f,w,filtering_mode,boundary_options,size_options)
其中，f 是输入图像，w 为滤波模板，g 为滤波过滤后的结果，其他参数如下表：
在这里插入图片描述
函数imfilter的最常见语法：g = imfilter(f,w,'replicate')，当在工具箱中实现标准的线性空间滤波时，使用这一语法。

在使用预先旋转的滤波器或对称的滤波器时，希望进行卷积计算，有两种方法：
（1）使用语法： g = imfilter(f,w,'conv','replicate')
（2）使用函数rot90(w,2) 将w旋转180度，然后使用 g = imfilter(f,w,,'replicate')，也可以合二为一： g = imfilter(f,rot90(w,2),'replicate') ，结果将是一幅大小和输入相同的图像 g （即‘same’模式）

rot90(f,k)：将 w 旋转 k*90度，其中 k 是一个整数
例一幅double类图像f，大小为512 × 512像素。考虑一个大小为31 × 31的简单滤波器

>> f = imread('imfilter.tif');
% 为了达到更高的精度，使用imfilter之前，使用函数 im2double() 将f转换为浮点型
>> fd = im2double(f);
% 得到一个 31 x 31 的滤波器
>> w = ones(31);
% 如果滤波器关于中心对称，相关和卷积完成滤波产生相同的结果
>> gd = imfilter(fd,w);
>> imshow(fd),figure,imshow(gd,[])

（一）默认选项

在这里插入图片描述
这里使用默认的边界选项，即用黑色(0)对图像边界进行填充。结果滤波后图像中黑白边缘被模糊化了，但是只出现在图像较亮的部分与边界之间的边缘上，原因在于填充的边界是黑色的。

（二）replicate选项

% 使用选项 replicate ，图像的大小通过复制图像边界外的值来扩展
>> gr = imfilter(fd,w,'replicate');
>> figure,imshow(gr,[])

% 使用选项 'symmetric' 达到同样的效果
>> gs = imfilter(fd,w,'symmetric');
>> figure,imshow(gs,[])

在这里插入图片描述

（三）circular选项

与零填充一样，因为周期性的使用可使得图像的黑暗部分邻近明亮区域

>> gc = imfilter(fd,w,'circular');
>> figure,imshow(gc,[])

在这里插入图片描述

（四）可能的问题

filter与输入图像有相同类

>> f8 = im2uint8(f);
>> g8r = imfilter(f8,w,'replicate');
>> figure,imshow(g8r,[])

在这里插入图片描述
由图可看到，但输出通过 imfilter 转换为输入相同的类(uint8)时，裁剪会引起数据丢失。
原因：模板的系数不在范围[0,1]内求和，从而引起滤波后的结果超出范围[0,255]。
解决办法：（1）归一化滤波器系数，使得系数的和在[0,1]内；（2）f转换为double或者single输入

附录如何将一个矩阵归一化到 [0,1]

很简单，用函数mapminmax，文档太长我就不翻译了，只提醒几个关键 1: 默认的map范围是[-1, 1]，所以如果需要[0,
1]，则按这样的格式提供参数: MappedData = mapminmax(OriginalData, 0, 1); 2
只按行归一化，如果是矩阵，则每行各自归一化，如果需要对整个矩阵归一化，用如下方法： FlattenedData =
OriginalData(😃’; % 展开矩阵为一列，然后转置为一行。 MappedFlattened =
mapminmax(FlattenedData, 0, 1); % 归一化。 MappedData =
reshape(MappedFlattened, size(OriginalData)); %
还原为原始矩阵形式。此处不需转置回去，因为reshape恰好是按列重新排序

法二：X-X平均/(Xmax-Xmin);但是这样的结果在[-1,1]之间 X
-XMin/(Xmax-Xmin)；这个就在[0,1]之间了。