imdiffuseest
各向异性扩散滤波的估计参数
语法
描述
(估计所需的梯度阈值和迭代次数来过滤灰度图像gradientThreshold,numberOfIterations)= imdiffuseest (我)我使用各向异性扩散。
(使用名称-值对各向异性扩散算法的行为变化。gradientThreshold,numberOfIterations)= imdiffuseest (我,名称,值)
例子
各向异性扩散滤波的估计参数
读一个灰度图像,然后应用强高斯噪声。嘈杂的图像显示。
我= imread (“pout.tif”);Inoisy = imnoise(我“高斯”,0,0.005);imshow (Inoisy)标题(“嘈杂的图像”)
估计所需的梯度阈值和迭代次数进行各向异性扩散滤波的图像。
[gradThresh, numIter] = imdiffuseest (Inoisy)
gradThresh =1 x5 uint8行向量64 50 39 34 29
numIter = 5
过滤噪声图像通过使用各向异性扩散与估计参数。
Idiffuseest = imdiffusefilt (Inoisy,“GradientThreshold”,…gradThresh,“NumberOfIterations”,numIter);
相比之下,也过滤噪声图像通过使用各向异性扩散与默认参数。默认的梯度阈值是25.5,因为图像的数据类型uint8,默认是5的迭代次数。
Idiffusedef = imdiffusefilt (Inoisy);
视觉上比较两个过滤图像。
蒙太奇({Idiffusedef Idiffuseest},“ThumbnailSize”[])标题([各向异性扩散滤波使用的…的默认参数(左)和估计参数(右)])
一些噪音仍在过滤的图像使用默认参数。噪音几乎完全缺席的图像过滤使用估计参数。两张图像中边缘锐度,尤其是高对比度边缘如格子和白领,得以保留。
输入参数
输出参数
引用
[1]Perona一起,P。,和J. Malik. "Scale-space and edge detection using anisotropic diffusion."IEEE®交易模式分析与机器智能。7号卷。12日,1990年7月,页629 - 639。
[2]Tsiotsios C。和m . Petrou。”的选择参数各向异性扩散图像处理。”模式识别。46卷,5号,2013年5月,页1369 - 1381。
版本历史
介绍了R2018a
