圖像濾波+邊緣檢測+圖像增強實例
阿新 • • 發佈:2018-06-15
circle actor TE 灰度圖 smooth median 檢測 mas -m read_image (Image, ‘fabrik‘)
*均值濾波
mean_image (Image, ImageMean, 9, 9)
*遞歸濾波器進行濾波
smooth_image (Image, ImageSmooth, ‘deriche2‘, 0.5)
*sigma標準方差進行非線性濾波
sigma_image (Image, ImageSigma, 5, 5, 3)
*使用離散高斯函數對圖像進行濾波
gauss_image (Image, ImageGauss, 5)
*中值濾波
median_image (Image, ImageMedian, ‘circle‘, 1, ‘mirrored‘)
*****邊緣檢測
*用frei_chen方法進行邊緣檢測
frei_amp (Image, ImageEdgeAmp)
*用Kirsch方法進行邊緣檢測
kirsch_amp (Image, ImageEdgeAmp1)
*用prewitt方法進行邊緣檢測
prewitt_amp (Image, ImageEdgeAmp2)
*用Sobel方法進行邊緣檢測
sobel_amp (Image, ImageEdgeAmp3, ‘sum_abs‘, 3)
*抑制邊緣上的非極大值點
nonmax_suppression_amp (Image, ImageResult, ‘hvnms‘)
*****圖像增強
*效果很明顯,使得圖像更清晰,可以提高邊緣的質量,最後一個系數代表增強對比度的系數
emphasize (Image, ImageEmphasize, 7, 7, 5)
*增加圖像對比度算子
*算法原理為圖像很暗的部分可以變得很亮,很亮的部分可以變得更暗
*用算子mean_image進行低通濾波,濾波的掩膜尺寸的MaskWidth*MaskHeight
*假設原始圖像的灰度為orig,mean_image濾波後灰度值為mean,結果灰度圖像值為new
*對於位圖val=127公式如下
*new=round((val-mean)*Factor+orig)
*其中Factor為系數 40 40 0.55 100 100 0.7 150 150 0.8
illuminate (Image, ImageIlluminate, 101, 101, 0.7)
圖像濾波+邊緣檢測+圖像增強實例