【图像增强】基于Step和Polynomial 滤波实现图像增强附matlab代码

简介: 【图像增强】基于Step和Polynomial 滤波实现图像增强附matlab代码

 1 内容介绍

本文提出的Step过滤和多项式过滤方法的实现  提供对部分曲线结构的增强。

该方法应用于地球物理图像,以识别线性模式存在于考古遗址 [1] 和故障检测 [2] 中的地下建筑结构。该方法有效地结合了旋转和尺度不变滤波器和像素标记方法,提供对大多数线结构的强大增强和检测分别为二维灰度图像。

2 仿真代码

% I :  given image

% grammes: size,

% DTheta: angle vector

% DPaxos:  vector of width of main wave

% typeOfFilter : type of step filter in {0,1} : 1 step function, 0 Polynomial filter

% Y: filter output

function [Y]= step_pol_Filtering(I,grammes, DTheta,DPaxos,typeOfFilter)  

gabors = length(DTheta);

gabors2 = length(DPaxos);

for j=1:gabors2,

   bw = DPaxos(j);

 

   for i=1:gabors,

       theta = DTheta(i);

       if typeOfFilter == 1,

           gb=mask_fn(grammes,bw,theta,0);

       else

           gb=mask_fn_smooth(grammes,bw,theta,0);

       end

       gb = gb / sum(sum(gb.^2)); %normalazation in energy

       G = conv2(I,gb,'same'); %idio size me I

       if i == 1 && j == 1,

           Y = abs(G);

       else

           Y = max(abs(Y),abs(G));

       end

   end

end

del = 8;

Y(1:del,:) = 0;

Y(:,1:del) = 0;

Y(size(I,1)-[0:del-1],:) = 0;

Y(:,size(I,2)-[0:del-1]) = 0;

i = 1;

if typeOfFilter == 1,

   gb=mask_fn(grammes,bw,pi/4,1);

else

   gb=mask_fn_smooth(grammes,bw,pi/4,1);

end

function gb=mask_fn(grammes,bw,theta,toPlot)

% bw    = bandwidth, (1)

% gamma = aspect ratio, (0.5)

%

% lambda= wave length, (>=2)

% theta = angle in rad, [0 pi)

sz=grammes;

if mod(sz,2)==0, sz=sz+1;end

[x y]=meshgrid(-fix(sz/2):1:fix(sz/2),fix(sz/2):-1:fix(-sz/2));

% Rotation

x_theta=x*cos(theta)+y*sin(theta);

y_theta=-x*sin(theta)+y*cos(theta);

for i=1:length(x),

   for j=1:length(y),

       d = abs(x_theta(i,j));

       u = x_theta(i,j);

       v = y_theta(i,j);

       gb(i,j) = 0;

       if d < bw,

           gb(i,j) = 1;

       elseif d <= 3*bw

           gb(i,j) = -1;

       end

   end

end

[n1 n2] = find(gb == -1);

[p1 p2] = find(gb == 1);

nv_n1 = -length(p1)/length(n1);

for i=1:length(n1),

   gb(n1(i),n2(i))= nv_n1;

end

gb = gb/sum(sum(gb.^2));

%gb=exp(-.5*(x_theta.^2/sigma_x^2+y_theta.^2/sigma_y^2)).*cos(2*pi/lambda*x_theta+psi);

if toPlot == 1,

figure;

imagesc(gb);

colormap(gray);

title('Filter');

mean(mean(gb))

end

function gb=mask_fn_smooth(grammes,bw,theta,toPlot)

% bw    = bandwidth, (1)

% grammes = filter size

%

% toPlot= 1 for plotting  

% theta = angle in rad, [0 pi)

sz=grammes;

if mod(sz,2)==0, sz=sz+1;end

[x y]=meshgrid(-fix(sz/2):1:fix(sz/2),fix(sz/2):-1:fix(-sz/2));

% Rotation

x_theta=x*cos(theta)+y*sin(theta);

y_theta=-x*sin(theta)+y*cos(theta);

   

for i=1:length(x),

   for j=1:length(y),

       d = abs(x_theta(i,j));

       u = x_theta(i,j);

       v = y_theta(i,j);

       gb(i,j) = 0;

       if d < bw,

           gb(i,j) = 1-((d/bw)^2);

       elseif d <= 3*bw

           gb(i,j) = 0.5*(-1+(((d/bw)-2)^2));

       end

   end

end

[u1 v1] = find(gb > 0);

[u2 v2] = find(gb < 0);

m1 = 0;

N1 = length(u1);

for i=1:length(u1),

   m1 = m1+gb(u1(i),v1(i));

end

m1 = m1/N1;

m2 = 0;

N2 = length(u2);

for i=1:length(u2),

   m2 = m2+gb(u2(i),v2(i));

end

m2 = m2/N2;

c = -m1*N1/(m2*N2);

for i=1:length(u2),

   gb(u2(i),v2(i)) = c*gb(u2(i),v2(i));

end

gb = gb/sum(sum(gb.^2));

%gb=exp(-.5*(x_theta.^2/sigma_x^2+y_theta.^2/sigma_y^2)).*cos(2*pi/lambda*x_theta+psi);

if toPlot == 1,

figure;

imagesc(gb);

colormap(gray);

title('Filter');

figure;

mesh(gb);

 title('Filter in 3D view');

 

mean(mean(gb))

end

3 运行结果

image.gif编辑

image.gif编辑

image.gif编辑

4 参考文献

[1] C. Panagiotakis, E. Kokinou and A. Sarris, Curvilinear Structure Enhancement and Detection in Geophysical

Images, IEEE Trans. on Geoscience and Remote Sensing, vol. 49, no. 6, pp. 2040-2048, 2011.

[2] C. Panagiotakis and E. Kokinou, Linear Pattern Detection of Sea Faults via a Topology and Shape Optimization Method,

IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 8, no. 1, pp. 3-11, 2015.

博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。

部分理论引用网络文献,若有侵权联系博主删除。

相关文章
|
17天前
|
机器学习/深度学习 边缘计算 人工智能
【无人机】采用NOMA的节能多无人机多接入边缘计算(Matlab代码实现)
【无人机】采用NOMA的节能多无人机多接入边缘计算(Matlab代码实现)
|
17天前
|
机器学习/深度学习 传感器 运维
【电机轴承监测】基于matlab声神经网络电机轴承监测研究(Matlab代码实现)
【电机轴承监测】基于matlab声神经网络电机轴承监测研究(Matlab代码实现)
|
17天前
|
传感器 并行计算 算法
【无人机编队】基于非支配排序遗传算法II NSGA-II高效可行的无人机离线集群仿真研究(Matlab代码实现)
【无人机编队】基于非支配排序遗传算法II NSGA-II高效可行的无人机离线集群仿真研究(Matlab代码实现)
|
17天前
|
机器学习/深度学习 算法 新能源
【优化调度】基于matlab粒子群算法求解水火电经济调度优化问题研究(Matlab代码实现)
【优化调度】基于matlab粒子群算法求解水火电经济调度优化问题研究(Matlab代码实现)
|
17天前
|
机器学习/深度学习 存储 并行计算
【无人机】基于MPC的无人机路径规划研究(Matlab代码实现)
【无人机】基于MPC的无人机路径规划研究(Matlab代码实现)
123 6
|
17天前
|
数据采集 算法 调度
【电力系统】基于matlab虚拟电厂内部负荷调度优化模型(matlab+yalmip+cplex)(Matlab代码实现)
【电力系统】基于matlab虚拟电厂内部负荷调度优化模型(matlab+yalmip+cplex)(Matlab代码实现)
|
17天前
|
存储 并行计算 算法
【图像压缩】在 MATLAB 中使用奇异值分解 (SVD) 进行图像压缩(Matlab代码实现)
【图像压缩】在 MATLAB 中使用奇异值分解 (SVD) 进行图像压缩(Matlab代码实现)
137 3
|
18天前
|
算法 Java 计算机视觉
【图像去模糊】非盲去模糊实景图像处理,使用点扩散函数(PSF)快速去除实景图像中的模糊(Matlab代码实现)
【图像去模糊】非盲去模糊实景图像处理,使用点扩散函数(PSF)快速去除实景图像中的模糊(Matlab代码实现)
118 2
|
18天前
|
机器学习/深度学习 资源调度 算法
【图像去噪的滤波器】非局部均值滤波器的实现,用于鲁棒的图像去噪研究(Matlab代码实现)
【图像去噪的滤波器】非局部均值滤波器的实现,用于鲁棒的图像去噪研究(Matlab代码实现)
|
18天前
|
机器学习/深度学习 分布式计算 算法
【投资组合】具有多个视野的动态投资组合管理研究(Matlab代码实现)
【投资组合】具有多个视野的动态投资组合管理研究(Matlab代码实现)

热门文章

最新文章