文档

imdiffuseest

各向异性扩散滤波参数估计

语法

[gradientThreshold,numberOfIterations] = imdiffuseest(I)
[gradientThreshold,numberOfIterations] = imdiffuseest(I,Name,Value)

描述

例子

gradientThresholdnumberOfIterations= imdiffuseest(估计梯度阈值和迭代次数所需的过滤灰度图像使用各向异性扩散。

gradientThresholdnumberOfIterations= imdiffuseest(名称,值使用名值对改变各向异性扩散算法的行为。

例子

全部折叠

读取灰度图像,然后对其应用强高斯噪声。显示有噪声的图像。

I = imread(“pout.tif”);噪音=不噪音(I,“高斯”, 0, 0.005);imshow (Inoisy)标题(“嘈杂的图像”

估计对图像进行各向异性扩散滤波所需的梯度阈值和迭代次数。

[gradThresh,numIter] = imdiffuseest(噪音)
gradThresh =1x5 uint8行向量64 50 39 34 29
numIter = 5

利用估计参数对噪声图像进行各向异性扩散滤波。

(耳鸣,“GradientThreshold”...gradThresh,“NumberOfIterations”, numIter);

为了进行比较,还使用默认参数的各向异性扩散对噪声图像进行滤波。默认的梯度阈值是25.5,因为图像的数据类型是uint8,默认迭代次数为5次。

Idiffusedef = imdiffusefilt(噪音);

直观地比较两个过滤后的图像。

蒙太奇({Idiffusedef Idiffuseest},“ThumbnailSize”[])标题([“各向异性扩散滤波应用”...默认参数(左)vs.估计参数(右)])

使用默认参数过滤的图像中仍然保留一些噪声。使用估计参数过滤后的图像几乎完全没有噪声。两幅图像中边缘的清晰度,特别是高对比度的边缘,如格子和白领,都被保留了下来。

输入参数

全部折叠

要过滤的图像,指定为二维灰度图像。

数据类型:||int16|uint8|uint16

名称-值对参数

的可选逗号分隔对名称,值参数。的名字参数名称和价值对应的值。的名字必须出现在单引号内(' ').您可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家

例子:imdiffuseest(我,“连接”,“最小”)估计图像各向异性扩散所需的参数,使用最小的连接。

全部折叠

像素与其邻居的连通性,指定为逗号分隔的对,由“连接”而且“最大”“最低”.最大连接性考虑八个最近的邻居,最小连接性考虑四个最近的邻居。

传导方法,指定为由逗号分隔的对组成“ConductionMethod”而且“指数”“二次”.指数扩散倾向于高对比度边缘而不是低对比度边缘。二次扩散更倾向于大区域而不是小区域。

输出参数

全部折叠

梯度阈值,作为与输入图像相同数据类型的数值向量返回,.向量的长度等于numberOfIterations

扩散过程中使用的迭代次数,作为正整数返回。

参考文献

[1]佩罗纳,P.和J.马利克。“使用各向异性扩散的尺度空间和边缘检测。”IEEE®模式分析与机器智能汇刊.第12卷第7期,1990年7月,第629-639页。

[2]齐奥西奥斯,C.佩德罗。关于图像处理中各向异性扩散参数的选择。模式识别.第46卷,第5期,2013年5月,第1369-1381页。

另请参阅

在R2018a中引入

这个话题有用吗?