locallapfilt

Filtrado laplaciano local rápido de imágenes

Sintaxis

B = locallapfilt(I,sigma,alpha)

B = locallapfilt(I,sigma,alpha,beta)

B = locallapfilt(___,Name,Value)

Descripción

B = locallapfilt(I,sigma,alpha) filtra la imagen RGB o en escala de grises con un filtro Laplacian local rápido y consciente de los bordes. caracteriza la amplitud de los bordes en . controla el suavizado de los detalles.IsigmaIalpha

B = locallapfilt(I,sigma,alpha,beta) filtra la imagen utilizando para controlar el rango dinámico de .betaUn

B = locallapfilt(___,Name,Value) utiliza pares nombre-valor para controlar aspectos avanzados del filtro. Los nombres de argumento se pueden abreviar.

Ejemplos

Aumente el contraste local de la imagen RGB mediante el filtrado laplaciano local

Importar una imagen RGB

A = imread('peppers.png');

Establezca los parámetros del filtro para aumentar los detalles menores que 0,4.

sigma = 0.4; alpha = 0.5;

Utilice el filtrado laplaciano local rápido

B = locallapfilt(A, sigma, alpha);

Muestre las imágenes originales y filtradas en paralelo.

imshowpair(A, B, 'montage')

Aumente el contraste local, la velocidad de equilibrio y la calidad

El filtrado laplaciano local es un algoritmo computacionalmente intensivo. Para acelerar el procesamiento, se aproxima al algoritmo discretizando el rango de intensidad en un número de muestras definidas por el parámetro ' '.locallapfiltNumIntensityLevels Este parámetro se puede utilizar para equilibrar la velocidad y la calidad.

Importe una imagen RGB y muésela.

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

Utilice un valor para procesar los detalles y un valor para aumentar el contraste, mejorando eficazmente el contraste local de la imagen.sigmaalpha

sigma = 0.2; alpha = 0.3;

El uso de menos muestras aumenta la velocidad de ejecución, pero puede producir artefactos visibles, especialmente en áreas de contraste plano. Tiempo de la función utilizando sólo 20 niveles de intensidad.

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

t_speed = 0.1436 

Ahora, procese la imagen y muésela.

B_speed = locallapfilt(A, sigma, alpha, 'NumIntensityLevels', 20); figure imshow(B_speed) title(['Enhanced with 20 intensity levels in ' num2str(t_speed) ' sec'])

Un mayor número de muestras produce resultados mejor atractivos a expensas de más tiempo de procesamiento. Tiempo de la función utilizando 100 niveles de intensidad.

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

t_quality = 0.6623 

Procesa la imagen con 100 niveles de intensidad y muésela:

B_quality = locallapfilt(A, sigma, alpha, 'NumIntensityLevels', 100); figure imshow(B_quality) title(['Enhancement with 100 intensity levels in ' num2str(t_quality) ' sec'])

Intente variar el número de niveles de intensidad en sus propias imágenes. Intente también aplanar el contraste (con > 1).alpha Verá que el número óptimo de niveles de intensidad es diferente para cada imagen y varía con .alpha De forma predeterminada, utiliza una heurística para equilibrar la velocidad y la calidad, pero no puede predecir el mejor valor para cada imagen.locallapfilt

Aumentar el contraste de color local mediante 'ColorMode'

Importe una imagen en color, reduzca su tamaño y muésela.

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

Establezca los parámetros del filtro para aumentar drásticamente los detalles menores que 0,3 (de un rango normalizado de 0 a 1).

sigma = 0.3; alpha = 0.1;

Comparemos los dos modos diferentes de filtrado de color. Procesa la imagen filtrando su intensidad y filtrando cada canal de color por separado:

B_luminance = locallapfilt(A, sigma, alpha); B_separate  = locallapfilt(A, sigma, alpha, 'ColorMode', 'separate');

Mostrar las imágenes filtradas.

figure imshow(B_luminance) title('Enhanced by boosting the local luminance contrast')

figure imshow(B_separate) title('Enhanced by boosting the local color contrast')

Se ha aplicado una cantidad igual de mejora de contraste a cada imagen, pero los colores están más saturados al establecer ' ' a ' '.ColorModeseparate

Realizar una reducción de ruido consciente del borde

Importe una imagen. Convierte la imagen en punto flotante para que podamos añadir ruido artificial más fácilmente.

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

Agregue ruido gaussiano con cero media y varianza 0.001.

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 

Establezca la amplitud de los detalles para suavizar y, a continuación, establezca la cantidad de suavizado que se aplicará.

sigma = 0.1; alpha = 4.0;

Aplique el filtro compatible con bordes.

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 32.1359 

Observe una mejora en el PSNR de la imagen.

Muestre las tres imágenes una al lado de la otra. Tenga en cuenta que los detalles se suavizan y que las variaciones de intensidad nítidas a lo largo de los bordes no cambian.

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')

Suavizar los detalles de la imagen sin afectar la nitidez del borde

Importe la imagen, cambie su tamaño y muésela

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

El coche está sucio y cubierto de marcas. Tratemos de borrar el polvo y las marcas en el cuerpo. Establezca la amplitud de los detalles para suavizar y establezca una gran cantidad de suavizado para aplicar.

sigma = 0.2; alpha = 5.0;

Al suavizar ( > 1), el filtro produce resultados de alta calidad con un pequeño número de niveles de intensidad.alpha Establezca un pequeño número de niveles de intensidad para procesar la imagen más rápido.

numLevels = 16;

Aplique el filtro.

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

Muestre el coche "limpio".

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

Argumentos de entrada

I — Imagen para filtrar

Imagen en escala de grises 2D | Imagen en color 2D

Imagen a filtrar, especificada como una imagen en escala de grises 2D de tamaño -por- o una imagen en color 2-D de tamaño -por- -por-3.mnmn

Tipos de datos: single | int8 | int16 | uint8 | uint16

sigma — Amplitud de bordes

escalar no negativo

Amplitud de aristas, especificada como escalar no negativo. debe estar en el rango [0, 1] para imágenes enteras y para imágenes individuales definidas en el rango [0, 1].sigma Para imágenes individuales definidas en un rango diferente [ , ], también debe estar en el rango [ , ].absigmaab

Tipos de datos: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

alpha — Suavizado de detalles

escalar positivo

Suavizado de detalles, especificado como un escalar positivo. Los valores típicos de están en el rango [0.01, 10].alpha

Valor	Descripción
menos dealpha1	Aumenta los detalles de la imagen de entrada, mejorando eficazmente el contraste local de la imagen sin afectar a los bordes ni a introducir halos.
mayor quealpha1	Suaviza los detalles de la imagen de entrada conservando los bordes nítidos
igual aalpha1	Los detalles de la imagen de entrada se dejan sin cambios.

Tipos de datos: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

beta — Rango dinámico

1 (predeterminado) | escalar no negativo

Rango dinámico, especificado como escalar no negativo. Los valores típicos de beta están en el rango [0, 5]. afecta al rango dinámico de .betaUn

Valor	Descripción
menos debeta1	Reduce la amplitud de los bordes de la imagen, comprimiendo eficazmente el rango dinámico sin afectar a los detalles.
mayor quebeta1	Expande el rango dinámico de la imagen.
igual abeta1	El rango dinámico de la imagen se deja sin cambios. Este es el valor predeterminado.

Tipos de datos: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Argumentos de par nombre-valor

Especifique pares opcionales separados por comas de argumentos. es el nombre del argumento y es el valor correspondiente. deben aparecer entre comillas.Name,ValueNameValueName Puede especificar varios argumentos de par de nombre y valor en cualquier orden como .Name1,Value1,...,NameN,ValueN

Ejemplo:

'ColorMode' — Método utilizado para filtrar imágenes RGB

'luminance' (predeterminado) | 'separate'

Método utilizado para filtrar imágenes RGB, especificado como uno de los siguientes valores. Este parámetro no tiene ningún efecto en las imágenes en escala de grises.

Valor	Descripción
'luminance'	convierte la imagen RGB de entrada a escala de grises antes de filtrar y vuelve a introducir el color después del filtrado, lo que cambia el contraste de la imagen de entrada sin afectar a los colores.locallapfilt
'separate'	filtra cada canal de color de forma independiente.locallapfilt

Tipos de datos: char | string

'NumIntensityLevels' — Número de muestras de intensidad en el rango dinámico de la imagen de entrada

'auto' (predeterminado) | entero positivo

Número de muestras de intensidad en el rango dinámico de la imagen de entrada, especificado como o entero positivo.'auto' Un mayor número de muestras da resultados más cerca del filtrado laplaciano local exacto. Un número más bajo aumenta la velocidad de ejecución. Los valores típicos están en el intervalo .[10, 100] Si se establece en , elige automáticamente el número de niveles de intensidad para equilibrar la calidad y la velocidad en función de otros parámetros del filtro.'auto'locallapfilt

Tipos de datos: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | char | string

Argumentos de salida

B — Imagen filtrada

matriz numérica

Imagen filtrada, devuelta como una matriz numérica del mismo tamaño y clase que la imagen de entrada.

Referencias

[1] Paris, Sylvain, Samuel W. Hasinoff, and Jan Kautz. Local Laplacian filters: edge-aware image processing with a Laplacian pyramid, ACM Trans. Graph. 30.4 (2011): 68.

[2] Aubry, Mathieu, et al. Fast local laplacian filters: Theory and applications. ACM Transactions on Graphics (TOG) 33.5 (2014): 167.

Consulte también

localcontrast | localtonemap

Introducido en R2016b

×

Abrir ejemplo

Tiene una versión modificada de este ejemplo. ¿Desea abrir este ejemplo con sus modificaciones?

No, sobrescribir la versión modificada Sí