en moyenne masque et le laplacien de masque dans le traitement de l'image

dans une application donnée-je appliquer un calcul de la moyenne masque de saisie d'images pour réduire le bruit, et puis un Laplacien masque pour améliorer les petits détails. Quelqu'un sait si je Voudrais obtenir les mêmes résultats si je inverser l'ordre de ces opérations dans Matlab?

OriginalL'auteur Glove | 2011-06-13

  1. 8

    Convolution avec un Laplacien noyau est similaire à l'utilisation des dérivées secondes des informations sur les changements d'intensité. Depuis ce dérivé est sensible au bruit, nous avons souvent lisse de l'image avec une Gaussienne avant d'appliquer le filtre Laplacien.

    Voici un MATLAB exemple similaire à ce que @bélisaire posté le:

    f='http://upload.wikimedia.org/wikipedia/commons/f/f4/Noise_salt_and_pepper.png';
I = imread(f);

kAvg = fspecial('average',[5 5]);
kLap = fspecial('laplacian',0.2);

lapMask = @(I) imsubtract(I,imfilter(I,kLap));

subplot(131), imshow(I)
subplot(132), imshow( imfilter(lapMask(I),kAvg) )
subplot(133), imshow( lapMask(imfilter(I,kAvg)) )

    en moyenne masque et le laplacien de masque dans le traitement de l'image

    SYMPA Merci! donc, ce que happenned lorsque les procédures ont été inversés?
    de trois", explique le bien, reportez-vous à sa réponse

    OriginalL'auteur Amro

  2. 7

    Permet de dire que vous avez deux filtres F1 et F2, et une image I. Si vous passez votre image à travers les deux filtres, vous obtiendrez une réponse qui a été défini comme

    X = ((I * F1) * F2)

    Où je suis ici, à l'aide de * pour représenter la convolution.

    Par l'associatif, la règle de la convolution, c'est la même chose.

    X = (I * (F1 * F2))

    en utilisant la commutativité, on peut dire que 

    X = (I * (F2 * F1)) = ((I * F2) * F1)

    Bien sûr, c'est dans le beau domaine en continu de mathématiques, de faire ces choses sur une machine signifie qu'il y aura des erreurs d'arrondi et certaines données peuvent être perdues. Vous devriez également penser si vos filtres sont SAPIN, sinon, tout le concept de la pensée sur le filtrage numérique comme la convolution sorta commence à décomposer comme votre filtre ne peut pas vraiment se comporter de la façon dont vous voulez qu'il.

    MODIFIER

    La convolution discrète est définie comme

    en moyenne masque et le laplacien de masque dans le traitement de l'image

    ainsi, l'ajout de zéros sur les bords de données ne permet pas de modifier quoi que ce soit dans un sens mathématique.

    Comme certaines personnes l'ont souligné, vous obtiendrez des réponses différentes numériquement, mais c'est normal à chaque fois que nous traitons avec le calcul des données réelles. Ces variations doivent être de petite taille et limitée à la faible énergie des composants de la sortie de la convolution (j'.e: les bords).

    Il est également important de considérer la façon dont l'opération de convolution est de travail. La convolution de deux ensembles de données de longueur X et la longueur Y entraînera une réponse qui est X+Y-1 dans la longueur. Il y a les coulisses de la magie passe pour des programmes tels que MATLAB et Mathematica pour vous donner une réponse qui est de la longueur X ou Y.

    Donc, en ce qui concerne @bélisaire post, il semblerait que nous sommes vraiment dire la même chose.

    bien fait merci!
    L'application des filtres d'image nécessitent généralement une marge interne (en particulier de définir pour chaque filtre, selon les valeurs sur les limites de l'image). Et qui casse la commutation de la propriété.
    Je ne suis pas sûr que je suis comment rembourrage (zéro ou autre) serait briser la commutativité de la convolution. Pouvez-vous fournir une preuve?
    Voir modifier dans ma réponse. Suis-je tort?
    Je pense que nous pourrions dire la même chose ici. Voir mes modifications.

    OriginalL'auteur thron of three

  3. 3

    Numériquement les résultats ne sont pas les mêmes, mais les images ont l'air assez similaires.

    Exemple dans Mathematica:

    en moyenne masque et le laplacien de masque dans le traitement de l'image

    Modifier

    Comme une réponse à @thron commentaire dans sa réponse à propos de la commutation des filtres linéaires et le rembourrage, il suffit de considérer la suite des opérations.

    Tandis que la commutation d'une Gaussienne et filtre Laplacien sans rembourrage est vrai: 

    list = {1, 3, 5, 7, 5, 3, 1};
gauss[x_] := GaussianFilter[ x, 1]
lapl[x_] := LaplacianFilter[x, 1]
Print[gauss[lapl[list]], lapl[gauss[list]]]
(*
->{5.15139,0.568439,-1.13688,-9.16589,-1.13688,0.568439,5.15139}    
  {5.15139,0.568439,-1.13688,-9.16589,-1.13688,0.568439,5.15139}
*)

    Faire la même chose avec le rembourrage, la différence sur les bords: 

    gauss[x_] := GaussianFilter[ x, 1, Padding -> 1]
lapl[x_] := LaplacianFilter[x, 1, Padding -> 1]
Print[gauss[lapl[list]], lapl[gauss[list]]]

(*
->{4.68233,0.568439,-1.13688,-9.16589,-1.13688,0.568439,4.68233}
  {4.58295,0.568439,-1.13688,-9.16589,-1.13688,0.568439,4.58295}
*)
    wow Merci beaucoup, si ce n'est pas trop demandé, pouvez-vous faire un exemple dans Matlab?
    Désolé, je n'ai pas de Matlab disponibles. Je suis sûr que d'autres membres peuvent poster. HTH!
    Merci quand même pour votre aide
    Zoom et accroître!

    OriginalL'auteur Dr. belisarius