各向异性扩散输出

信息处理 图像处理 各向异性扩散 保边滤波器
2022-02-21 17:37:38

我正在为MATLAB 中的各向异性扩散函数提供2 d 灰度图像,但没有获得所需的输出。多少次迭代是理想的,我应该如何解决这个问题?我将 kappa 值保持在 20 到 100 之间。我正在通过添加椒盐噪声对标准lena图像执行操作

输入图像:

在此处输入图像描述

预期输出:

k=10 的 80 次各向异性扩散迭代的输出

在此处输入图像描述

1个回答

据我所知,您有兴趣实现与本文算法给出的相同“质量”的边缘保持降噪:

Giovani Gómez:根据方差的局部平滑度:自适应高斯滤波器。英国机器视觉会议论文集,2000 年。

您在上面使用的那篇论文中的图像(以及您一个月后发布的这个问题的副本)可在您提供的链接的第 4 节中找到,这似乎是该论文的更高版本。

您应该尝试两件事。

首先,正如@Jean-Yves 多次向您建议的那样,中值滤波是一种保留边缘的非线性滤波器(尽管它倾向于圆化尖角)。它是否有效取决于图像中的噪声量,而您的示例图像噪声很大。

其次,目前流行的保边去噪算法是双边滤波器这是在 Photoshop 和GEGL中实现的(可通过Gnu Image Manipulation Program在 Tools->GEGL Operation 菜单中获得)。

这是具有半径 1 中值滤波器的松果:

中值滤波图像

使用 GEGL 的双边滤波器(高斯半径为 4,“边缘保留”设置为 8%):

双边滤波图像

使用 GEGL 的双边滤波器(高斯半径为 4,“边缘保留”设置为 4%):

双边滤波,边缘保留较少

并且使用半径为 1 的中值滤波器,然后是 GEGL 的双边滤波器,高斯半径为 4,“边缘保留”设置为 50%:

中值和双边滤波

我更喜欢 Gómez 的自适应滤波器的结果:

gomez 自适应滤波器

所以,我对这个问题的回答(以及如何在不破坏边缘的情况下去除高斯噪声?,您于 2012 年 2 月 7 日发布)是:尝试中值滤波和双边滤波。