Импорт изображения RGB

A = imread('peppers.png');

Установите параметры фильтра, чтобы увеличить детали меньше 0,4.

sigma = 0.4;
alpha = 0.5;

Используйте быструю локальную Laplacian фильтрацию

B = locallapfilt(A, sigma, alpha);

Отображение исходных и отфильтрованных изображений один за другим.

imshowpair(A, B, 'montage')

Локальная фильтрация Лапласа является вычислительно интенсивным алгоритмом. Чтобы ускорить обработку, locallapfilt аппроксимирует алгоритм путем дискретизации области значений интенсивности в ряд выборок, заданных в 'NumIntensityLevels'параметр. Этот параметр может использоваться для балансировки скорости и качества.

Импортируйте изображение RGB и отобразите его.

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

Использование sigma значение для обработки подробных данных и alpha значение для увеличения контрастности, эффективно улучшая локальную контрастность изображения.

sigma = 0.2;
alpha = 0.3;

Использование меньшего количества выборок увеличивает скорость выполнения, но может создать видимые программные продукты, особенно в областях плоской контрастности. Время функции с использованием только 20 уровней интенсивности.

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

t_speed = 0.1464

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 количество выборок дает лучшие результаты за счет большего времени вычислений. Время выполнения функции с использованием 100 уровней интенсивности.

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

t_quality = 0.6676

Обработайте изображение со 100 уровнями интенсивности 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'])

Попробуйте изменить количество уровней интенсивности на собственных изображениях. Попробуйте также сглаживать контраст (с alpha > 1). Вы увидите, что оптимальное количество уровней интенсивности отличается для каждого изображения и изменяется с alpha. По умолчанию locallapfilt использует эвристику для балансировки скорости и качества, но она не может предсказать лучшее значение для каждого изображения.

Импортируйте цветное изображение, уменьшайте его размер и отображайте его.

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

Установите параметры фильтра, чтобы значительно увеличить детали меньше 0,3 (из нормализованной области значений от 0 до 1).

sigma = 0.3;
alpha = 0.1;

Сравним два разных режима цветовой 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')

К каждому изображению было применено равное увеличение контрастности, но при установке 'цвета более насыщены ColorMode'to' separate'.

Импортируйте изображение. Преобразуйте изображение в плавающую точку, чтобы мы могли легче добавить искусственный шум.

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

Добавьте Гауссов шум с нулем среднего и 0,001 отклонением.

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 на сглаживание, затем установите величину сглаживания, которая будет применена.

sigma = 0.1;
alpha = 4.0;

Применить краевой 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 32.2016

Обратите внимание на улучшение PSNR изображения.

Отобразите все три изображения один за другим. Обратите внимание, что детали сглаживаются, и резкие изменения интенсивности по краям не изменяются.

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 его размер и отобразите его

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

Машина грязная и покрыта разметкой. Попробуем стереть пыль и маркировку на теле. Установите амплитуду деталей на сглаживание и установите большое количество сглаживания для применения.

sigma = 0.2;
alpha = 5.0;

При сглаживании (alpha > 1), фильтр производит результаты высокого качества с небольшим количеством уровней интенсивности. Установите небольшое количество уровней интенсивности, чтобы обработать изображение быстрее.

numLevels = 16;

Применить фильтр.

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

Отобразите «чистый» автомобиль.

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