Laplacian图像滤波和在MATLAB中对图像进行锐化

Question

Laplacian图像滤波和在MATLAB中对图像进行锐化

imagematlabimage-processingfilter

7

我正在尝试“翻译”Gonzalez和Woods（第2版）关于Laplacian滤波器的内容。

我已经读取了图像并创建了滤波器。然而，当我尝试显示结果时（通过减法，因为中心元素为负），我没有得到教科书中的图像。

我认为主要原因是“缩放”。但是，我不确定如何做到这一点。从我所理解的一些在线资源来看，缩放只是使值在0-255之间。从我的代码中，我看到值已经在该范围内。

我真的很感激任何提示。

下面是我使用的原始图像：

以下是我的代码和锐化后的图像。

谢谢！

clc;
close all;
a = rgb2gray(imread('e:\moon.png'));
lap = [1 1 1; 1 -8 1; 1 1 1];
resp = uint8(filter2(lap, a, 'same'));
sharpened = imsubtract(a, resp);
figure; 
subplot(1,3,1);imshow(a); title('Original image');
subplot(1,3,2);imshow(resp); title('Laplacian filtered image');
subplot(1,3,3);imshow(sharpened); title('Sharpened image');

- Alfian

1

下次提问时，请确保使用“matlab”标记您的问题。这样可以增加您的问题曝光率。 - rayryeng

抱歉，rayryeng。实际上我以为我已经做了，但在看到你的消息后，我可能忘记了。再次感谢！ - Alfian

完全没有问题。希望我的回答能对你有所帮助（如下）。 - rayryeng

1

非常感谢您编辑我的帖子@rayryeng。以后我会尽量遵循这个标准！ - Alfian

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- rayryeng · Accepted Answer

我有几个提示供您参考：

虽然这只是一点小事，但是 filter2 执行的是相关运算。实际上，在像素邻域和卷积核之间进行加权求和之前，您需要执行卷积操作，并将卷积核旋转180度。然而，由于卷积核是对称的，在这种情况下，卷积和相关运算会执行相同的操作。
我建议您使用imfilter来实现过滤，因为您已经在使用图像处理工具箱中的方法。它比filter2或conv2更快，并利用了Intel Integrated Performance Primitives。
我强烈建议您首先以double精度执行所有操作，然后在完成后转换回uint8。使用im2double将图像（很可能是uint8）转换为double精度。在执行锐化时，这会保持精度，并且过早地将其转换为uint8，然后执行减法将导致意外的副作用。 uint8会限制负数或超过255的结果，这也可能是您未获得正确结果的原因之一。因此，将图像转换为double，过滤图像，通过Laplacian算子将图像与过滤结果相减以进行锐化，然后使用im2uint8将其转换回uint8。

您还提供了一个链接，该链接是您试图模仿的流程：http://www.idlcoyote.com/ip_tips/sharpen.html

您的代码与链接之间的区别如下：

核心有一个正中心。因此，1s为负数，而中心为+8，您需要将过滤后的结果添加到原始图像中。
在链接中，它们对过滤响应进行了归一化，使最小值为0，最大值为1。
一旦您将过滤响应添加到原始图像上，您还需要将此结果归一化，使最小值为0，最大值为1。
您可以执行线性对比增强，使强度60成为新的最小值，强度200成为新的最大值。您可以使用imadjust来完成此操作。该函数接受一幅图像以及两个数组-第一个数组是输入最小和最大强度，第二个数组是最小和最大应映射到的位置。因此，我想将输入强度60映射到输出强度0，将输入强度200映射到输出强度255。但请确保指定的强度在0和1之间，因此您需要按文档中所述将每个量除以255。

因此：

clc;
close all;
a = im2double(imread('moon.png')); %// Read in your image
lap = [-1 -1 -1; -1 8 -1; -1 -1 -1]; %// Change - Centre is now positive
resp = imfilter(a, lap, 'conv'); %// Change

%// Change - Normalize the response image
minR = min(resp(:));
maxR = max(resp(:));
resp = (resp - minR) / (maxR - minR);

%// Change - Adding to original image now
sharpened = a + resp;

%// Change - Normalize the sharpened result
minA = min(sharpened(:));
maxA = max(sharpened(:));
sharpened = (sharpened - minA) / (maxA - minA);

%// Change - Perform linear contrast enhancement
sharpened = imadjust(sharpened, [60/255 200/255], [0 1]);

figure; 
subplot(1,3,1);imshow(a); title('Original image');
subplot(1,3,2);imshow(resp); title('Laplacian filtered image');
subplot(1,3,3);imshow(sharpened); title('Sharpened image');

我现在得到了这个数字...它似乎与链接中看到的数字相符：