双边滤波 MATLAB代码实现

双边滤波与一般的高斯滤波的不同就是：双边滤波既利用了位置信息<or 几何信息——高斯滤波只用了位置信息>又利用了像素信息来定义滤波窗口的权重。

像素值越接近，权重越大。双边滤波会去除图像的细节信息，又能保持边界。

对于彩色图像，像素值的接近与否不能使用RGB空间值，双边滤波的原始文献建议使用CIE颜色空间。

代码如下：

    
    
function resultI = BilateralFilt2(I,d,sigma)
%%%
% Author ： LiFeiteng
% Version ：1.0——灰色图像 Time ：2013/05/01
% Version ：1.1——灰色/彩色图像 Time ：2013/05/02 2013/05/05
% d 半窗口宽度
I = double (I) ;
if size(I, 3)== 1
resultI = BilateralFiltGray(I,d,sigma);
elseif size(I, 3)== 3
resultI = BilateralFiltColor(I,d,sigma);
else
error( ’Incorrect image size’)
end
end

function resultI = BilateralFiltGray(I,d,sigma)

[ m n ] = size (I) ;
newI = ReflectEdge(I,d);
resultI = zeros(m,n);
width = 2*d+ 1;
%Distance
D = fspecial( ’gaussian’,[width,width],sigma( 1));
S = zeros(width,width);%pix Similarity
h = waitbar( 0, ’Applying bilateral filter…’);
set(h, ’Name’, ’Bilateral Filter Progress’);
for i= 1+d:m+d
for j= 1+d:n+d
pixValue = newI(i-d:i+d,j-d:j+d);
subValue = pixValue-newI(i,j);
S = exp(-subValue.^ 2/( 2*sigma( 2)^ 2));
H = S.*D;
resultI(i-d,j-d) = sum(pixValue(:).*H(:))/sum(H(:));
end
waitbar(i/m);
end
close(h);
end

function resultI = BilateralFiltColor(I,d,sigma)
I = applycform (I,makecform(’srgb2lab’) );
[m n ~] = size(I);
newI = ReflectEdge(I,d);
resultI = zeros(m,n, 3);
width = 2*d+ 1;
%Distance
D = fspecial( ’gaussian’,[width,width],sigma( 1));
% [X,Y] = meshgrid(-d:d,-d:d);
% D = exp(-(X.^ 2+Y.^ 2)/( 2*sigma( 1)^ 2));
S = zeros(width,width);%pix Similarity
h = waitbar( 0, ’Applying bilateral filter…’);
set(h, ’Name’, ’Bilateral Filter Progress’);
sigma_r = 100*sigma( 2);
for i= 1+d:m+d
for j= 1+d:n+d
pixValue = newI(i-d:i+d,j-d:j+d, 1: 3);
%subValue = pixValue-repmat(newI(i,j, 1: 3),width,width);
dL = pixValue(:,:, 1)-newI(i,j, 1);
da = pixValue(:,:, 2)-newI(i,j, 2);
db = pixValue(:,:, 3)-newI(i,j, 3);
S = exp(-(dL.^ 2+da.^ 2+db.^ 2)/( 2*sigma_r^ 2));
H = S.*D;
H = H./sum(H(:));
resultI(i-d,j-d, 1) = sum(sum(pixValue(:,:, 1).*H));
resultI(i-d,j-d, 2) = sum(sum(pixValue(:,:, 2).*H));
resultI(i-d,j-d, 3) = sum(sum(pixValue(:,:, 3).*H));
end
waitbar(i/m);
end
close(h);
resultI = applycform(resultI,makecform( ’lab2srgb’));
end
    
    

其中newI = ReflectEdge(I,d); %对称地扩展边界，在原始图像I的边界处镜像映射像素值 

    
    
function newI = ReflectEdge(I,d)
%Version： 1.0——灰色图像 Time： 2013/ 05/ 01
%Version： 1.1——灰色/彩色图像 Time： 2013/ 05/ 02
%考虑到实用性，决定不添加更多的边界处理选择，统一使用：reflect across edge

if size(I, 3)== 1
newI = ReflectEdgeGray(I,d);
elseif size(I, 3)== 3
newI = ReflectEdgeColor(I,d);
else
error( 'Incorrect image size')
end
end

function newI = ReflectEdgeGray(I,d)
[m n] = size(I);
newI = zeros(m+ 2*d,n+ 2*d);
%中间部分
newI(d+ 1 :d+m,d+ 1 :d+n) = I;
%上
newI( 1 :d,d+ 1 :d+n) = I( d:- 1 : 1, :);
%下
newI( end- d: end,d+ 1 :d+n) = I( end:- 1 :end-d, :);
%左
newI( :, 1 :d) = newI( :, 2* d:- 1 :d+ 1);
%右
newI( :,m+d+ 1 :m+ 2*d) = newI( :,m+ d:- 1 :m+ 1);
end

function newI = ReflectEdgeColor(I,d)
%扩展图像边界
[m n ~] = size(I);
newI = zeros(m+ 2*d,n+ 2*d, 3);
%中间部分
newI(d+ 1 :d+m,d+ 1 :d+n, 1 : 3) = I;
%上
newI( 1 :d,d+ 1 :d+n, 1 : 3) = I( d:- 1 : 1, :, 1 : 3);
%下
newI( end- d: end,d+ 1 :d+n, 1 : 3) = I( end:- 1 :end-d, :, 1 : 3);
%左
newI( :, 1 :d, 1 : 3) = newI( :, 2* d:- 1 :d+ 1, 1 : 3);
%右
newI( :,m+d+ 1 :m+ 2*d, 1 : 3) = newI( :,m+ d:- 1 :m+ 1, 1 : 3);
end
    
    

测试用例：

    
    
img = imread( '.\lena.tif');
%%img = imread( '.\images\lena_gray.tif');
img = double(img)/ 255;
img = img+ 0.05*randn(size(img));
img(img< 0) = 0; img(img> 1) = 1;
%img = imnoise(img, 'gaussian');
figure, imshow(img,[])
title( '原始图像')
d = 6;
sigma = [ 3 0.1];
resultI = BilateralFilt2( double(img), d, sigma);

figure, imshow(resultI,[])
title( '双边滤波后的图像')
    
    

结果：

Reference：

1.C Tomasi, R Manduchi.Bilateral Filtering for Gray and Color Images, - Computer Vision, 1998.

            </div>

双边滤波与一般的高斯滤波的不同就是：双边滤波既利用了位置信息<or 几何信息——高斯滤波只用了位置信息>又利用了像素信息来定义滤波窗口的权重。

像素值越接近，权重越大。双边滤波会去除图像的细节信息，又能保持边界。

对于彩色图像，像素值的接近与否不能使用RGB空间值，双边滤波的原始文献建议使用CIE颜色空间。

代码如下：

  
  
function resultI = BilateralFilt2(I,d,sigma)
%%%
% Author ： LiFeiteng
% Version ：1.0——灰色图像 Time ：2013/05/01
% Version ：1.1——灰色/彩色图像 Time ：2013/05/02 2013/05/05
% d 半窗口宽度
I = double (I) ;
if size(I, 3)== 1
resultI = BilateralFiltGray(I,d,sigma);
elseif size(I, 3)== 3
resultI = BilateralFiltColor(I,d,sigma);
else
error( ’Incorrect image size’)
end
end

function resultI = BilateralFiltGray(I,d,sigma)

[ m n ] = size (I) ;
newI = ReflectEdge(I,d);
resultI = zeros(m,n);
width = 2*d+ 1;
%Distance
D = fspecial( ’gaussian’,[width,width],sigma( 1));
S = zeros(width,width);%pix Similarity
h = waitbar( 0, ’Applying bilateral filter…’);
set(h, ’Name’, ’Bilateral Filter Progress’);
for i= 1+d:m+d
for j= 1+d:n+d
pixValue = newI(i-d:i+d,j-d:j+d);
subValue = pixValue-newI(i,j);
S = exp(-subValue.^ 2/( 2*sigma( 2)^ 2));
H = S.*D;
resultI(i-d,j-d) = sum(pixValue(:).*H(:))/sum(H(:));
end
waitbar(i/m);
end
close(h);
end

function resultI = BilateralFiltColor(I,d,sigma)
I = applycform (I,makecform(’srgb2lab’) );
[m n ~] = size(I);
newI = ReflectEdge(I,d);
resultI = zeros(m,n, 3);
width = 2*d+ 1;
%Distance
D = fspecial( ’gaussian’,[width,width],sigma( 1));
% [X,Y] = meshgrid(-d:d,-d:d);
% D = exp(-(X.^ 2+Y.^ 2)/( 2*sigma( 1)^ 2));
S = zeros(width,width);%pix Similarity
h = waitbar( 0, ’Applying bilateral filter…’);
set(h, ’Name’, ’Bilateral Filter Progress’);
sigma_r = 100*sigma( 2);
for i= 1+d:m+d
for j= 1+d:n+d
pixValue = newI(i-d:i+d,j-d:j+d, 1: 3);
%subValue = pixValue-repmat(newI(i,j, 1: 3),width,width);
dL = pixValue(:,:, 1)-newI(i,j, 1);
da = pixValue(:,:, 2)-newI(i,j, 2);
db = pixValue(:,:, 3)-newI(i,j, 3);
S = exp(-(dL.^ 2+da.^ 2+db.^ 2)/( 2*sigma_r^ 2));
H = S.*D;
H = H./sum(H(:));
resultI(i-d,j-d, 1) = sum(sum(pixValue(:,:, 1).*H));
resultI(i-d,j-d, 2) = sum(sum(pixValue(:,:, 2).*H));
resultI(i-d,j-d, 3) = sum(sum(pixValue(:,:, 3).*H));
end
waitbar(i/m);
end
close(h);
resultI = applycform(resultI,makecform( ’lab2srgb’));
end
  
  

其中newI = ReflectEdge(I,d); %对称地扩展边界，在原始图像I的边界处镜像映射像素值 

  
  
function newI = ReflectEdge(I,d)
%Version： 1.0——灰色图像 Time： 2013/ 05/ 01
%Version： 1.1——灰色/彩色图像 Time： 2013/ 05/ 02
%考虑到实用性，决定不添加更多的边界处理选择，统一使用：reflect across edge

if size(I, 3)== 1
newI = ReflectEdgeGray(I,d);
elseif size(I, 3)== 3
newI = ReflectEdgeColor(I,d);
else
error( 'Incorrect image size')
end
end

function newI = ReflectEdgeGray(I,d)
[m n] = size(I);
newI = zeros(m+ 2*d,n+ 2*d);
%中间部分
newI(d+ 1 :d+m,d+ 1 :d+n) = I;
%上
newI( 1 :d,d+ 1 :d+n) = I( d:- 1 : 1, :);
%下
newI( end- d: end,d+ 1 :d+n) = I( end:- 1 :end-d, :);
%左
newI( :, 1 :d) = newI( :, 2* d:- 1 :d+ 1);
%右
newI( :,m+d+ 1 :m+ 2*d) = newI( :,m+ d:- 1 :m+ 1);
end

function newI = ReflectEdgeColor(I,d)
%扩展图像边界
[m n ~] = size(I);
newI = zeros(m+ 2*d,n+ 2*d, 3);
%中间部分
newI(d+ 1 :d+m,d+ 1 :d+n, 1 : 3) = I;
%上
newI( 1 :d,d+ 1 :d+n, 1 : 3) = I( d:- 1 : 1, :, 1 : 3);
%下
newI( end- d: end,d+ 1 :d+n, 1 : 3) = I( end:- 1 :end-d, :, 1 : 3);
%左
newI( :, 1 :d, 1 : 3) = newI( :, 2* d:- 1 :d+ 1, 1 : 3);
%右
newI( :,m+d+ 1 :m+ 2*d, 1 : 3) = newI( :,m+ d:- 1 :m+ 1, 1 : 3);
end
  
  

测试用例：

  
  
img = imread( '.\lena.tif');
%%img = imread( '.\images\lena_gray.tif');
img = double(img)/ 255;
img = img+ 0.05*randn(size(img));
img(img< 0) = 0; img(img> 1) = 1;
%img = imnoise(img, 'gaussian');
figure, imshow(img,[])
title( '原始图像')
d = 6;
sigma = [ 3 0.1];
resultI = BilateralFilt2( double(img), d, sigma);

figure, imshow(resultI,[])
title( '双边滤波后的图像')
  
  

结果：

Reference：

1.C Tomasi, R Manduchi.Bilateral Filtering for Gray and Color Images, - Computer Vision, 1998.

            </div>