4、图像滤波+边缘检测+图像增强实例

read_image (Image, 'fabrik')

*均值滤波

mean_image (Image, ImageMean, 9, 9)

*递归滤波器进行滤波

smooth_image (Image, ImageSmooth, 'deriche2', 0.5)

*sigma标准方差进行非线性滤波

sigma_image (Image, ImageSigma, 5, 5, 3)

*使用离散高斯函数对图像进行滤波

gauss_image (Image, ImageGauss, 5)

*中值滤波

median_image (Image, ImageMedian, 'circle', 1, 'mirrored')

*****边缘检测

*用frei_chen方法进行边缘检测

frei_amp (Image, ImageEdgeAmp)

*用Kirsch方法进行边缘检测

kirsch_amp (Image, ImageEdgeAmp1)

*用prewitt方法进行边缘检测

prewitt_amp (Image, ImageEdgeAmp2)

*用Sobel方法进行边缘检测

sobel_amp (Image, ImageEdgeAmp3, 'sum_abs', 3)

*抑制边缘上的非极大值点

nonmax_suppression_amp (Image, ImageResult, 'hvnms')

*****图像增强

*效果很明显，使得图像更清晰，可以提高边缘的质量，最后一个系数代表增强对比度的系数

emphasize (Image, ImageEmphasize, 7, 7, 5)

*增加图像对比度算子

*算法原理为图像很暗的部分可以变得很亮，很亮的部分可以变得更暗

*用算子mean_image进行低通滤波，滤波的掩膜尺寸的MaskWidth*MaskHeight

*假设原始图像的灰度为orig,mean_image滤波后灰度值为mean,结果灰度图像值为new

*对于位图val=127公式如下

*new=round((val-mean)*Factor+orig)

*其中Factor为系数 40 40 0.55  100 100 0.7 150 150 0.8

illuminate (Image, ImageIlluminate, 101, 101, 0.7)