Импортируйте изображение RGB

A = imread('peppers.png');

Установите параметры фильтра, чтобы увеличить детали, меньшие, чем 0,4.

sigma = 0.4;
alpha = 0.5;

Используйте быстро локальную Лапласовую фильтрацию

B = locallapfilt(A, sigma, alpha);

Отобразите исходные и отфильтрованные изображения бок о бок.

imshowpair(A, B, 'montage')

Локальная Лапласова фильтрация является в вычислительном отношении интенсивным алгоритмом. Чтобы ускорить обработку, locallapfilt аппроксимирует алгоритм путем дискретизации области значений интенсивности во многие выборки, заданные параметром 'NumIntensityLevels'. Этот параметр может использоваться, чтобы сбалансировать скорость и качество.

Импортируйте изображение RGB и отобразите его.

A = imread('peppers.png');
figure
imshow(A)
title('Original Image')

Используйте значение sigma, чтобы обработать детали и значение alpha, чтобы увеличить контраст, эффективно улучшая локальный контраст изображения.

sigma = 0.2;
alpha = 0.3;

Используя меньшее количество выборок увеличивает скорость выполнения, но может произвести видимые артефакты, особенно в областях плоского контраста. Время функция с помощью только 20 уровней яркости.

t_speed = timeit(@() locallapfilt(A, sigma, alpha, 'NumIntensityLevels', 20))  

t_speed = 0.1346

Теперь, обработайте изображение и отобразите его.

B_speed = locallapfilt(A, sigma, alpha, 'NumIntensityLevels', 20);
figure
imshow(B_speed)
title(['Enhanced with 20 intensity levels in ' num2str(t_speed) ' sec'])

Большее число выборок приводит к лучше выглядящим результатам за счет большего количества времени вычислений. Время функция с помощью 100 уровней яркости.

t_quality = timeit(@() locallapfilt(A, sigma, alpha, 'NumIntensityLevels', 100))

t_quality = 0.6336

Обработайте изображение с 100 уровнями яркости и отобразите его:

B_quality = locallapfilt(A, sigma, alpha, 'NumIntensityLevels', 100);
figure
imshow(B_quality)
title(['Enhancement with 100 intensity levels in ' num2str(t_quality) ' sec'])

Попытайтесь отличаться количество уровней яркости на ваших собственных изображениях. Попытка, также сглаживающая контраст (с alpha> 1). Вы будете видеть, что оптимальное количество уровней яркости отличается для каждого изображения и меняется в зависимости от alpha. По умолчанию locallapfilt использует эвристику, чтобы сбалансировать скорость и качество, но это не может предсказать оптимальное значение для каждого изображения.

Импортируйте цветное изображение, уменьшайте его размер и отобразите его.

A = imread('car2.jpg');
A = imresize(A, 0.25);
figure
imshow(A)
title('Original Image')

Установите параметры фильтра, чтобы существенно увеличить детали, меньшие, чем 0,3 (из нормированной области значений от 0 до 1).

sigma = 0.3;
alpha = 0.1;

Давайте сравним два различных режима цветной фильтрации. Обработайте изображение путем фильтрации его интенсивности и путем фильтрации каждого цветового канала отдельно:

B_luminance = locallapfilt(A, sigma, alpha);
B_separate  = locallapfilt(A, sigma, alpha, 'ColorMode', 'separate');

Отобразите отфильтрованные изображения.

figure
imshow(B_luminance)
title('Enhanced by boosting the local luminance contrast')

figure
imshow(B_separate)
title('Enhanced by boosting the local color contrast')

Равный объем контрастного улучшения был применен к каждому изображению, но цвета более насыщаются когда установка 'ColorMode' к 'separate'.

Импортируйте изображение. Преобразуйте изображение в плавающую точку так, чтобы мы могли добавить искусственный шум более легко.

A = imread('pout.tif');
A = im2single(A);

Добавьте Гауссов шум с нулевым средним значением и 0,001 отклонениями.

A_noisy = imnoise(A, 'gaussian', 0, 0.001);
psnr_noisy = psnr(A_noisy, A);
fprintf('The peak signal-to-noise ratio of the noisy image is %0.4f\n', psnr_noisy);        

The peak signal-to-noise ratio of the noisy image is 30.0234

Установите амплитуду деталей сглаживать, затем установите объем сглаживания применяться.

sigma = 0.1;
alpha = 4.0;

Примените осведомленный о ребре фильтр.

B = locallapfilt(A_noisy, sigma, alpha);
psnr_denoised = psnr(B, A);
fprintf('The peak signal-to-noise ratio of the denoised image is %0.4f\n', psnr_denoised);

The peak signal-to-noise ratio of the denoised image is 32.3065

Отметьте улучшение PSNR изображения.

Отобразите все три изображения рядом. Заметьте, что детали сглаживаются, и резкие изменения интенсивности вдоль ребер неизменны.

figure
subplot(1,3,1), imshow(A), title('Original')
subplot(1,3,2), imshow(A_noisy), title('Noisy')
subplot(1,3,3), imshow(B), title('Denoised')

Импортируйте изображение, измените размер его и отобразите его

A = imread('car1.jpg');
A = imresize(A, 0.25);
figure
imshow(A)
title('Original Image')

Автомобиль грязен и покрыт маркировками. Давайте попытаемся стереть пыль и маркировки на теле. Установите амплитуду деталей сглаживать, и устанавливать большой объем сглаживания применяться.

sigma = 0.2;
alpha = 5.0;

При сглаживании (alpha> 1), фильтр приводит к высококачественным результатам с небольшим количеством уровней яркости. Установите небольшое количество уровней яркости обрабатывать изображение быстрее.

numLevels = 16;

Примените фильтр.

B = locallapfilt(A, sigma, alpha, 'NumIntensityLevels', numLevels);

Отобразите "чистый" автомобиль.

figure
imshow(B)
title('After smoothing details')