Matlab图像处理之Lee滤波器

这篇具有很好参考价值的文章主要介绍了Matlab图像处理之Lee滤波器。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、前言:

   LEE滤波器是一种常用于合成孔径雷达(SAR)图像去噪的滤波器。它能增强图像的局部对比度。今天我们将通过MATLAB来实现这种滤波器。

二、LEE滤波器

2.1 LEE滤波器原理

  LEE滤波器是一种基于窗函数的滤波器,其原理是将窗口内的像素进行加权平均,以消除图像中的噪声。这种滤波器通常用于SAR图像去噪,因为SAR图像中常常存在噪声和模糊现象。
Matlab图像处理之Lee滤波器,matlab,图像处理

图1 LEE滤波器流程图

LEE滤波器的公式为:
x ^ ( i , j ) = 1 N 2 ∑ k , l = 1 N x ( k , l ) + σ ϵ 2 N 2 ∑ k , l = 1 N h ( k − i , l − j ) ∥ h ∥ 1 2 \hat{x}(i,j) = \frac{1}{N^2} \sum_{k,l=1}^{N} x(k,l) + \frac{\sigma_{\epsilon}^2}{N^2} \sum_{k,l=1}^{N} \frac{h(k-i,l-j)}{\left\|h\right\|_1^2} x^(i,j)=N21k,l=1Nx(k,l)+N2σϵ2k,l=1Nh12h(ki,lj)

其中, x ^ ( i , j ) \hat{x}(i,j) x^(i,j)表示滤波后的像素值, x ( k , l ) x(k,l) x(k,l)表示原始图像的像素值, N N N表示滤波器的大小, h ( k − i , l − j ) h(k-i,l-j) h(ki,lj)表示到中心像素 ( i , j ) (i,j) (i,j)的距离, σ ϵ 2 \sigma_{\epsilon}^2 σϵ2表示噪声的方差。 ∥ h ∥ 1 2 \left\|h\right\|_1^2 h12表示 h h h的平方和。

2.2 LEE滤波器实现步骤

  1. 读取图像:首先,读取SAR图像并将其转换为灰度图像。可以使用imread函数读取图像,使用rgb2gray函数将图像转换为灰度图像。
  2. 计算局部均值和方差:对于图像中的每个像素,我们需要计算其局部邻域的均值和方差。这通常可以通过滑动窗口实现,窗口大小可以根据图像大小和噪声强度来确定,通常在3x3到11x11之间。
  3. 应用滤波器:根据均值和方差,对每个像素应用LEE滤波器。这通常涉及到计算一个新的像素值,这个值会增强图像的局部对比度。
  4. 显示结果:最后,我们可以通过MATLAB显示原始图像和滤波后的图像,以便进行比较。

三、MATLAB代码示例


一个实现函数和一个主函数。

1. SCRLeeFilter_matrix.m

function IMAGE_filtered=SCRLeeFilter_matrix(WL,IMAGE)

%Lee滤波器
%WL为窗长
[m,n]=size(IMAGE);
IMAGE=double(IMAGE);
k=WL*WL;                        %产生矩阵总数
f=floor(WL/2);
IMAGE_filtered=zeros(m-f,n-f);

A=zeros(m-WL+1,n-WL+1,k);
for i=1:WL
    for j=1:WL
       A(:,:,(i-1)*WL+j)=IMAGE(i:i+m-WL,j:j+n-WL);  %产生矩阵
    end
end
U_Y = mean(A,3);                    %存储均值
VAR_Y = var(A,0,3);                 %存储方差
VAR_X = (VAR_Y-U_Y.^2)./2;
B = VAR_X./VAR_Y;
image = IMAGE(f+1:m-f, f+1:n-f);      %大小为 m-2*f     
image_end = uint8(U_Y)+uint8(B.*double(uint8(image-U_Y)));      % 最终结果

IMAGE_filtered(2:m-2*f+1,2:n-2*f+1)=image_end;

2. Demon.m文章来源地址https://www.toymoban.com/news/detail-701560.html


clear;clc;close all;

ImageIn=imread('C:\Users\2.bmp');
if size(ImageIn,3)==3
    ImageIn=rgb2gray(ImageIn);
end
ImageOut=SCRLeeFilter_matrix(3,ImageIn);

% 显示结果  
subplot(1, 2, 1);  
imshow(ImageIn);  
title('Original Image');  
subplot(1, 2, 2);  
imshow(ImageOut);  
title('Filtered Image');
% imwrite(uint8(ImageOut),'C:\Users\Cout.tif');

到了这里,关于Matlab图像处理之Lee滤波器的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Matlab图像处理频域滤波实现——巴特沃斯低通、高通、带通带阻滤波器

    巴特沃斯滤波器是一种常用于图像处理的滤波器,它在频域中的传递函数具有更加平滑的过渡,相对于理想滤波器来说,巴特沃斯滤波器可以更好地控制截止频率和滤波器的阶数。下面是巴特沃斯滤波器的不同类型的原理简介: 1.原理 (1)巴特沃斯低通滤波(Butterworth Lowp

    2024年04月09日
    浏览(53)
  • 图像处理之高通滤波器与低通滤波器

    目录 高频与低频区分: 高通滤波器: 1.傅里叶变换: 低通滤波器: 总结:         在了解图像滤波器之前,先谈一下如何区分图像的高频信息和低频信息,所谓高频就是该像素点与周围像素差异较大,常见于一副图像的边缘细节和噪声等;而低频就是该像素点与周围像素

    2023年04月09日
    浏览(46)
  • 【图像处理:频率域平滑与锐化】理想滤波器,巴特沃思滤波器,高斯滤波器

    本文主要介绍频率域滤波器,此处的频率域是基于傅立叶变换得出。 在一幅图像中, 低频对应图像变化缓慢的部分 ,即图像大致外观和轮廓。 高频部分对应图像变化剧烈的部分即图像细节 。低通滤波器的功能是让低频率通过而滤掉或衰减高频,其作用是过滤掉包含在高频

    2024年02月04日
    浏览(50)
  • OpenCV(图像处理)-基于Oython-滤波器(低通、高通滤波器的使用方法)

    低通滤波 :低通滤波可以去除图像的噪音或平滑图像。 高通滤波 :可以帮助查找图像的边缘。 噪音 :即对一幅图像的产生负面效果,过暗或过亮的部分,一幅图像中,低于或高于某个像素点的值,都可以认为是噪音。 卷积核 :即用来滤波的矩阵,卷积核一般为奇数,如

    2024年02月09日
    浏览(53)
  • OpenCV(图像处理)-基于python-滤波器(低通、高通滤波器的使用方法)

    低通滤波 :低通滤波可以去除图像的噪音或平滑图像。 高通滤波 :可以帮助查找图像的边缘。 噪音 :即对一幅图像的产生负面效果,过暗或过亮的部分,一幅图像中,低于或高于某个像素点的值,都可以认为是噪音。 卷积核 :即用来滤波的矩阵,卷积核一般为奇数,如

    2024年02月09日
    浏览(62)
  • 【图像处理 】卡尔曼滤波器原理

    目录 一、说明 二、它是什么? 2.1 我们可以用卡尔曼滤波器做什么? 2.2 卡尔曼滤波器如何看待您的问题

    2024年02月06日
    浏览(49)
  • 【数字图像处理】四种常用的滤波器

    空域滤波是在待处理图像f(x,y)上逐点移动模板,在每一点(x,y)的滤波响应通过事先定义的关系来计算。该响应就是空间滤波的输出。 模糊处理,来去除图像中的一些不重要的细节; 消除图像中的高频分量,同时不影响低频分量;高频分量对应途中的边缘等灰度值具有较大变化

    2024年02月07日
    浏览(43)
  • 《数字图像处理-OpenCV/Python》连载:空间滤波之高斯滤波器

    本书京东 优惠购书链接 https://item.jd.com/14098452.html 本书CSDN 独家连载专栏 https://blog.csdn.net/youcans/category_12418787.html 图像滤波是指在尽可能保留图像细节特征的条件下对目标图像的噪声进行抑制,是常用的图像处理方法。 空间滤波也称空间域滤波,滤波器规定了邻域形状与邻域

    2024年02月02日
    浏览(55)
  • 不同图像的噪声,选用什么滤波器去噪,图像处理的噪声和处理方法

    提示:据说是科大讯飞的算法面试题 知道哪些噪声,分别用什么滤波器处理? 噪声来源灰常多,但主要可以分为三类: 1.来自捕捉源的(acquisition/digitization) ,比如一个摄像机的镜头、A/D或者sensor; 2.来自图像传输过程(image transmission), 传输图像的信道包括无线电、微波

    2024年02月05日
    浏览(45)
  • 图像处理:Gabor滤波器简介以及python实现

    在图像处理中,以Dennis Gabor命名的Gabor滤波器是一种用于纹理分析的线性滤波器,本质上是指在分析点或分析区域周围的局部区域内,分析图像中是否存在特定方向的特定频率内容。Gabor滤波器的频率和方向表示被许多当代视觉科学家认为与人类视觉系统的频率和方向表示相似

    2024年01月19日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包