模拟各向同性线性扩散平滑

时间:2015-09-11 20:53:41

标签: opencv filtering linear smoothing

我想应用标题中命名的去噪滤波器,该滤波器基于以下等式:

enter image description here

其中d = 1是标量常量扩散系数参数,I(x, y)是初始噪声图像,而u(x, y, t)是扩散时间t之后得到的图像5, 10 and 30 1}}。但是,我对使用哪个函数以及如何在OpenCV中实现此功能感到困惑。我觉得它很简单,但出于某种原因我很困惑。有没有人有想法?

以下是示例图片:

enter image description here

我希望将其与高斯过滤方法进行比较,该方法根据以下内容进行:

enter image description here

其中G√2t (x, y)是高斯内核。这证明使用t执行各向同性线性扩散d = 1与使用σ = √(2t)执行高斯平滑完全等效

我有一个应用高斯滤波的函数:

void gaussian_2D_convolution(const cv::Mat& src, cv::Mat& dst, const float sigma, const int ksize_x = 0, const int ksize_y = 0)
{
    int ksize_x_ = ksize_x, ksize_y_ = ksize_y;

    // Compute an appropriate kernel size according to the specified sigma
    if (sigma > ksize_x || sigma > ksize_y || ksize_x == 0 || ksize_y == 0)
    {
        ksize_x_ = (int)ceil(2.0f*(1.0f + (sigma - 0.8f) / (0.3f)));
        ksize_y_ = ksize_x_;
    }

    // The kernel size must be and odd number
    if ((ksize_x_ % 2) == 0)
    {
        ksize_x_ += 1;
    }

    if ((ksize_y_ % 2) == 0)
    {
        ksize_y_ += 1;
    }

    // Perform the Gaussian Smoothing
    GaussianBlur(src, dst, Size(ksize_x_, ksize_y_), sigma, sigma, BORDER_DEFAULT);

    // show result
    std::ostringstream out;
    out << std::setprecision(1) << std::fixed << sigma;
    String title = "sigma: " + out.str();
    imshow(title, dst);
    imwrite("gaussian/" + title + ".png", dst);

    waitKey(260);
}

但是我在实施第一个案例时遇到了困难。

1 个答案:

答案 0 :(得分:1)

这应该按预期工作。这基于:

代码:

#include <opencv2\opencv.hpp>
using namespace cv;

void ilds(const Mat1b& src, Mat1b& dst, int iter = 10, double diffusivity = 1.0, double lambda = 0.1)
{
    Mat1f img;
    src.convertTo(img, CV_32F);
    lambda = fmax(0.001, std::fmin(lambda, 0.25)); // something in [0, 0.25] by default should be 0.25
    while (iter--)
    {
        Mat1f lap;
        Laplacian(img, lap, CV_32F);
        img += lambda * diffusivity * lap;
    }

    img.convertTo(dst, CV_8U);
}

int main() {

    Mat1b img = imread("path_to_image", IMREAD_GRAYSCALE);
    Mat1b res_ilds;
    ilds(img, res_ilds);

    imshow("ILDS", res_ilds);
    waitKey();

    return 0;
}

结果:

enter image description here

让我知道它是否适合你