Các thuật toán cơ bản trong Matlab

G ( u,v ) = H e ( u,v ) F e ( u,v )

• Có nhi u phép toán LSI dùng trong mi n t n s nh

“phép l c”

• L c theo m t gi i h n c ng đ c xem nh phép toán.

Xác đ nh T

• Ví d (tr ng h p 1-D):

L c b ng thông th p L c b ng thông cao

– M t n đ c c t ng n t i biên (Biên t do)

– M r ng thêm dòng/c t t i biên (Hi u ch nh

biên)

– Biên đ c “bao b c xung quanh” (Chu k biên)

trên l nh conv2

Các l c làm tr n nh

• Làm tr n nh thu c phép bi n đ i nh- nh, phép bi n đ i này làm khác bi t gi a các pixel không nhi u

• Phép l c tr n này dùng cho:

– Làm m nh (Blurring) : ây là b c ti n x lý

nh m lo i b b t các chi ti t nh (không c n thi t)

tr c khi trích đ i t ng c n thi t (l n), hay làm t ng chi ti t nh

– Gi m nhi u (Noise reduction) : Gi m b t tác đ ng

c a nhi u

• Vài lo i 3x3:

• Phép toán này t ng đ ng l c b ng thông th p

Ví d làm m nh

nh ban đ u M t n trung bình

Ví d gi m nhi u

nh ban đ u

Nhi u Zero-mean Gauss, Variance = 0.01

Nhi u Zero-mean Gauss, Variance = 0.05

• L c median là m t l c phi tuy n dùng m t n M i pixel đ c thay th b ng median c a các pixel láng

gi ng.

với K chẵn ( )

với K lẻ

K K

a median A

⎧

= ⎨

⎩

Ví d gi m nhi u

Nhi u Gauss s = 0.2 Nhi u mu i tiêu prob = 0.2

Ví d gi m nhi u

Dùng l c trung bình 3x3

Ví d gi m nhi u

Dùng l c median 3x3

Làm nh s c nét

• T ng c ng đ s c nét b ng ph ng pháp

Tr c Sau khi làm s c nét

L c không gian b ng thông cao c b n

• Dùng phép toán LSI, đ c cài đ t b i m t n trung bình, g m các giá tr d ng và âm.

• M t n có tên là m t n t o s c nét, quan tâm

nh ng n i m c xám thay đ i đ t ng t trong nh.

• M t n nên có giá tr d ng tâm và giá tr âm

xung quanh, các giá tr này có t ng b ng zero.

Ví d

L c b ng thông cao

nh ban đ u

Ví d

L c b ng thông cao L c High-boost

nh ban đ u

f x y

f x y f x y x

f x y

f x y f x y y

∂

∂

C nh và gradient

1 đ m c a c nh b ng đ l n

c a gradient

2 H ng c a c nh b ng góc c a gradient

L c theo đ o hàm

• M t n sau cùng đ c g i là phép toán

cross-gradient operator )

Ví d : phép toán gradient-chéo Robert

nh ban đ u

Ví d

• LINEAR SPATIAL FILTERING

• LINEAR SPATIAL FILTERING

• >> f=imread(fig3.15(a).jpg’); %load in checkerboard figure

• >> w=ones(9); % create a 9x9 filter (not normalized)

– % f is of type double in [0,1] by default

• >> f8=im2uint8(f); % converts image to uint8, i.e., integers in range [0,255]

• >> g8r=imfilter(f8,w,’replicate’); % pad using replication

– % imfilter creates an output of same data class as input, i.e., uint(8)

• >> imshow( g8r, [ ]) % clipping caused data loss since filter was not normalized

• >> f=imread(‘fish.jpg’); %load in checkerboard figure

• >> w=fspecial(‘type’, parameters); % create filter mask

• % filter types:

– % ‘average’, default is 3x3

– % ‘gaussian’, default is 3x3 and sigma=0.5

– % ‘laplacian, default alpha=0.5

– % ‘prewitt’, vertical gradient, default is 3x3 Get horizontal by wh=w’

– % ‘sobel’, vertical gradient, default is 3x3

– % ‘unsharp’, default is 3x3 with alpha=0.2

• >> f=imread(‘Moon.jpg’); %load in lunar north pole image

• >> w4=fspecial(‘laplacian’,0) % creates 3x3 laplacian, alpha=0 [0:1]

• >> w8=[1 1 1;1 -8 1;1 1 1] % create a Laplacian that fspecial can’t

• >> f=im2double(f); % output same as input unit8 so

• % Convert to double to keep negative values

• >> g4=f-imfilter(f,w4,’replicate’); % filter using default values

• >> g8=f-imfilter(f,w8,’replicate’); % filter using default values

• >> imshow(f) % display original image

• >> imshow(g4) % display g4 processed image

• >> imshow(g8) % display g8 processed image