Bilateral双边滤波器
Bilateral双边滤波器= bif_filter(im,3,0.2);
function =bif_filter(im,sigd,sigr)
% bilateral filter双边滤波器
% 函数输入：
% im 输入的图像
% sigd空间内核的时域参数
% sigr内核参数强度变化范围
% 函数输出：
% out滤波图像 = output imagespatial kernel
w=(2*sigd)+1;
% sigr=(n*100)^2/(.003*(sigd^2));% 自适应R值，n为高斯噪声强度,n=0.001
% 高斯滤波器
gw=zeros(w,w); % 高斯权值矩阵初始化
c=ceil(w/2); % 向前取整
c=; % 中心元素位置
for i=1:w
for j=1:w
q=; % 记录相连像素位置标识位
gw(i,j)=norm(c-q); % 欧氏距离
end
end
Gwd=(exp(-(gw.^2)/(2*(sigd^2)))); % 高斯函数
% Padding 扩展图像的边界，防止滑动窗口边界值溢出
proci=padarray(im,,'replicate');
% A = ;
% B = padarray(A,,'replicate','post')
% B =
% 1 2 2 2
% 3 4 4 4
% 3 4 4 4
% 3 4 4 4
% 3 4 4 4
=size(proci); % Size of image
if ~isa(proci,'double')
proci = double(proci)/255; % 转换为double类型
end
K=sigd;
L=[-K:K];
c=K+1; % 中心元素位置
iter=length(L); % 迭代次数
ind=1;
for r=(1+K):(row-K) % 行
for s=(1+K):(clm-K) % 列
for i=1:iter % 窗口大小 行
for j=1:iter % 窗口大小 列
win(i,j)=proci((r+L(i)),(s+L(j))); % 获取窗口
end
end
I=win; % 灰度矩阵
win=win(c,c)-win; % 相对中心点处的强度差异，中心点为参考灰度值
win=sqrt(win.^2); % 保证win中的每一个元素为正
Gwi=exp(-(win.^2)/(2*(sigr^2))); % 高斯函数
weights=(Gwi.*Gwd)/sum(sum(Gwi.*Gwd)); % 高斯权值
Ii=sum(sum(weights.*I)); % 得到当前双边滤波值
proci(r,s)=Ii; % 替换当前灰度值
win=[];
end
end
% 移除边界扩展值
proci=rpadd(proci,K);% 移除边界扩展值
out=im2uint8(proci); % 类型转换
%% 滤波重建后，图像峰值信噪比计算
if ~isa(out,'double')
dimg = double(out)/255; % 转换为double类型
end
psn = PSN(im,dimg); % PSNR,峰值信噪比
end
function x=rpadd(R,K)
% 移除边界扩展值
% 函数输入：
% R 输入的图像矩阵
% K 窗口大小(2*K + 1)
% 函数输出：
% x 移除边界扩展值后的原图像矩阵
for i=1:K
R(1,:)=[];
R(:,1)=[];
= size(R);
R(ro,:)=[];
R(:,cl)=[];;
end
x=R;
end
function =PSN(orgimg,mimg)
% 峰值信噪比计算
orgimg =im2double(orgimg);
mimg =im2double(mimg);
Mse=sum(sum((orgimg-mimg).^2))/(numel(orgimg)); % Mean square Error均方差
out=10*log10(1/Mse);
end
页:
[1]