歪みプロセス である可能性のある画像内の有用な情報を強化することは、特定の画像のアプリケーションに対する画像の視覚効果を改善することを目的としています。画像の全体的または局所的な特徴を意図的に強調し、元の不明瞭な画像を明確にするか、いくつかの興味深い特徴を強調し、画像内のさまざまなオブジェクトの特徴の違いを拡大し、興味のない特徴を抑制し、画像を改善します。品質、豊富な情報、いくつかの特別な分析のニーズを満たすために、画像の解釈と認識効果を強化します。
準同型フィルタリング
準同型フィルタリングは、照明反射モデルを使用します。つまり、画像のグレースケール範囲を縮小し、画像のコントラストを強調することで画像を強調します。画像は、照明i（x、y）と反射として表すことができます。 r（x、y）2つの部分の積。
この論文では、HSI色空間で、I成分を処理し、同じサイズのn×n画像ブロックにトリミングし、準同型フィルタリングを実行して局所的な強調効果を実現するため、この副作用に対処する必要があります。次に、隣接する画像ブロックを水平カテゴリと垂直カテゴリに分割し、境界の左側と右側のピクセルを平均フィルタリングに使用して、ブロック効果を排除します。拡張されたIコンポーネントは、SおよびHコンポーネントと再結合され、RGB空間に復元されます。
- 準同型フィルターの実装
function im_e = HomoMor(im,Hh,Hl,D0,c)
% 高斯同态滤波器参数的设置
% Hh = 1.2; % 高频增益,需要大于1
% Hl = 0.5; % 低频增益,取值在0和1之间
% D0 = 4; % 截止频率，越大图像越亮
% c = 1; % 锐化系数
%% 滤波器初始化
im = double(im);
[row, col] = size(im);
% 确定傅里叶变换的原点
x0 = floor(row/2);
y0 = floor(col/2);
% 初始化
H = zeros(row,col);
for i = 1:row
for j = 1:col
D = (i-x0)^2 + (j-y0)^2;
if D == 0
H(i,j) = Hl;
else
H(i,j) = (Hh-Hl) * (1 - exp(-c*D^2/(D0^2))) + Hl;
% 高斯同态滤波函数
end
end
end
%% 同态滤波
im_l = log(im + 0.000001); % 取对数变换
im_f = fftshift(fft2(im_l)); % 傅里叶变换，并移到中心位置
im_nf = H .* im_f; % 高斯滤波
im_n = real(ifft2(ifftshift(im_nf))); % 傅里叶反变换，恢复位置
im_e = exp(im_n - 0.000001); % 取指数变化
end試験結果
詳細なコードおよびその他の情報については、次をクリックしてください：134-170-3358;