我曾尝试在不使用 imfilter()
和 fspecial()
的情况下在 Matlab 中制作高斯滤波器。
我已经试过了,但结果与我使用 imfilter 和 fspecial 得到的结果不同。
这是我的代码。
function Gaussian_filtered = Gauss(image_x, sigma)
% for single axis
% http://en.wikipedia.org/wiki/Gaussian_filter
Gaussian_filtered = exp(-image_x^2/(2*sigma^2)) / (sigma*sqrt(2*pi));
end
对于二维高斯,
function h = Gaussian2D(hsize, sigma)
n1 = hsize;
n2 = hsize;
for i = 1 : n2
for j = 1 : n1
% size is 10;
% -5<center<5 area is covered.
c = [j-(n1+1)/2 i-(n2+1)/2]';
% A product of both axes is 2D Gaussian filtering
h(i,j) = Gauss(c(1), sigma)*Gauss(c(2), sigma);
end
end
end
最后一个是
function Filtered = GaussianFilter(ImageData, hsize, sigma)
%Get the result of Gaussian
filter_ = Gaussian2D(hsize, sigma);
%check image
[r, c] = size(ImageData);
Filtered = zeros(r, c);
for i=1:r
for j=1:c
for k=1:hsize
for m=1:hsize
Filtered = Filtered + ImageData(i,j).*filter_(k,m);
end
end
end
end
end
但处理后的图像与输入图像几乎相同。我想知道最后一个函数 GaussianFiltered()
有问题...
谢谢。
最佳答案
这里有一个替代方案:
创建二维高斯:
function f=gaussian2d(N,sigma)
% N is grid size, sigma speaks for itself
[x y]=meshgrid(round(-N/2):round(N/2), round(-N/2):round(N/2));
f=exp(-x.^2/(2*sigma^2)-y.^2/(2*sigma^2));
f=f./sum(f(:));
过滤后的图像,假设您的图像名为 Im
:
filtered_signal=conv2(Im,gaussian2d(N,sig),'same');
下面是一些情节:
imagesc(gaussian2d(7,2.5))
Im=rand(100);subplot(1,2,1);imagesc(Im)
subplot(1,2,2);imagesc(conv2(Im,gaussian2d(7,2.5),'same'));
关于image - 如何在 Matlab 中制作高斯滤波器,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13193248/