Скачиваний:
4
Добавлен:
02.05.2014
Размер:
37.8 Кб
Скачать

Список функцийImage Processing Toolbox. Описание функции FSPECIAL  Семинары   Обучение   Лицензирование   Разработка   Подписка   Форум  Регистрация    Matlab    Toolboxes    Simulink    Blocksets    Femlab    Полезное Вход Обработка сигналов и изображений\image Processing ToolboxСписок функций Image Processing Toolbox: Фильтрация изображений

  В оглавление \ К следующему разделу \ К предыдущему разделу

FSPECIAL Задание маски предопределенного типа Синтаксис:

h=fspecial(type, P1, P2)

Описание:

Функция h=fspecial(type, P1, P2) возвращает маску h предопределенного двумерного линейного фильтра, задаваемого строкой type. Маска h предназначена для передачи в функции filter2 или conv2, выполняющих двумерную линейную фильтрацию. В зависимости от типа фильтра для него могут быть определены один или два дополнительных параметра Р1, Р2. Ниже будут рассмотрены возможные варианты функции fspecial.

Функция h=fspecial(‘gausian’, n, sigma) возвращает маску h фильтра нижних частот Гаусса. Размер маски определяет параметр n. Если n - двухкомпонентный вектор, то размер маски n(1)n(2). Если n скаляр, то размер маски nn. Параметр sigma задает среднеквадратическое отклонение распределения Гаусса, которое используется при формировании маски h. Если при вызове функции параметры n и sigma опущены, то размер маски устанавливается равным 33, а среднеквадратическое отклонение 0.5.

Функция h=fspecial(‘sobel’) возвращает маску фильтра Собеля для выделения горизонтальных границ:

.

Для выделения вертикальных границ достаточно транспонировать данную маску h.

Функция h=fspecial(‘prewitt’) возвращает маску фильтра Превита для выделения горизонтальных границ:

.

Для выделения вертикальных границ достаточно транспонировать данную маску h.

Функция h=fspecial(‘laplasian’, a) возвращает маску h ВЧ фильтра Лапласа. Размер маски 33. Параметр а управляет соотношением между центральным и граничными элементами маски. Данный параметр должен устанавливаться в диапазоне [0, 1]. По умолчанию а=0.2.

Функция h=fspecial(‘log’, n, sigma) возвращает маску h фильтра, аналогичного последовательному применению фильтров Гаусса и Лапласа, так называемого лапласиана-гауссиана. Размер маски определяет параметр n. Если n - двухкомпонентный вектор, то размер маски n(1)n(2). Если n - скаляр, то размер маски nn. Параметр sigma задает среднеквадратическое отклонение Гаусса, которое используется при формировании маски h. Если при вызове функции параметры n и sigma опущены, то размер маски устанавливается равным 55, а среднеквадратическое отклонение 0.5.

Функция h=fspecial(‘average’, n) возвращает маску h усредняющего НЧ фильтра. Размер маски определяет параметр n. Если n - двухкомпонентный вектор, то размер маски n(1)n(2). Если n - скаляр, то размер маски nn. Если при вызове функции параметр n опущен, то размер маски устанавливается равным 33.

Функция h=fspecial(‘unsharp’, a) возвращает маску h фильтра, повышающего резкость изображения. Размер маски 33. Параметр а управляет соотношением между центральным и граничными элементами маски. Данный параметр должен устанавливаться в диапазоне [0, 1]. По умолчанию а=0.2.

Алгоритмы:

Усредняющий фильтр относится к фильтрам нижних частот. Он предназначен для фильтрации высокочастотного шума, и его работа сопровождается размытием изображения. Каждый элемент маски равен 1/MN, где М и N - размеры маски (количество строк и столбцов).

Фильтр Гаусса также относится к НЧ фильтрам. В отличие от усредняющего фильтра он в меньшей мере размывает обрабатываемое изображение [1]. Маска фильтра такова, что центральный элемент маски имеет наибольшее значение, он соответствует пику распределения Гаусса. Значения остальных элементов уменьшаются по мере удаления от центрального элемента. Уменьшение происходит в соответствии с распределением Гаусса. Маска формируется с использованием следующих соотношений:

;

,

где M и N - размеры маски;

- среднеквадратическое отклонение распределения Гаусса.

Фильтр Лапласа относится к ВЧ фильтрам и предназначен для выделения границ (перепадов) во всех направлениях [1]. Маска фильтра конструируется следующим образом:

,

где - параметр в диапазоне [0,1], передаваемый в функцию fspecial.

Лапласиан-гауссиан также относится к ВЧ фильтрам, но в отличие от фильтра Лапласа выделяет более резкие перепады. Маска фильтра создается по формуле

,

где M и N - размеры маски;

- среднеквадратическое отклонение распределения Гаусса.

Формула для вычисления выведена выше.

Маска фильтра, повышающего резкость изображения, создается следующим образом:

,

где - параметр в диапазоне [0,1], передаваемый в функцию fspecial.

Пример:

Рассмотрим, каким образом влияет среднеквадратическое отклонение распределения Гаусса на элементы маски фильтра Гаусса, возвращаемые функцией fspecial. Получим значения маски фильтра Гаусса размера 55 для среднеквадратического отклонения 0.5 и 0.7. На рис. 1 а приведена частотная характеристика фильтра Гаусса с маской h05, а на рис. 1 б - частотная характеристика фильтра Гаусса с маской h07.

%Пример демонстрирует формирование маски фильтра Гаусса

%с помощью функции fspecial.

%Создание маски для фильтра Гаусса размера 55

%и со среднеквадратическим отклонением 0.5.

h05=fspecial(‘gaussian’, 5, 0.5)

%Будет выведено:

%h05 =

% 0.0000 0.0000 0.0002 0.0000 0.0000

% 0.0000 0.0113 0.0837 0.0113 0.0000

% 0.0002 0.0837 0.6187 0.0837 0.0002

% 0.0000 0.0113 0.0837 0.0113 0.0000

% 0.0000 0.0000 0.0002 0.0000 0.0000

%Создание маски для фильтра Гаусса размера 55

%и со среднеквадратическим отклонением 0.7.

h07=fspecial(‘gaussian’, 5, 0.7)

%Будет выведено:

%h07 =

% 0.0001 0.0020 0.0055 0.0020 0.0001

% 0.0020 0.0422 0.1171 0.0422 0.0020

% 0.0055 0.1171 0.3248 0.1171 0.0055

% 0.0020 0.0422 0.1171 0.0422 0.0020

% 0.0001 0.0020 0.0055 0.0020 0.0001

%Вывод на экран частотных характеристики линейных фильтров

%с масками h05 и h07.

freqz2(h05, [32 32]);

figure, freqz2(h07, [32 32]);

а)

б)

Рис. 1.

Сопутствующие функции: FILTER2, CONV2, EDGE.

Ссылки на литературу: Прэтт У. Цифровая обработка изображений: В 2 т. М.: Мир, 1982.

  В оглавление \ К следующему разделу \ К предыдущему разделу

  I Всероссийская научная конференция "Проектирование научных и инженерных приложений в среде MATLAB" (май 2002 г.)

  II Всероссийская научная конференция "Проектирование научных и инженерных приложений в среде MATLAB" (май 2004 г.) На первую страницу \ Сотрудничество \ MathWorks \ SoftLine \ Exponenta.ru \ Exponenta Pro    E-mail: matlab@exponenta.ru      Информация на сайте была обновлена 14.05.05 Copyright 2001-2005 SoftLine Co 

Наши баннеры         hotlog_js="1.0"; hotlog_r=""+Math.random()+"&s=58396&im=33&r="+escape(document.referrer)+"&pg="+ escape(window.location.href); document.cookie="hotlog=1; path=/"; hotlog_r+="&c="+(document.cookie?"Y":"N"); hotlog_js="1.1";hotlog_r+="&j="+(navigator.javaEnabled()?"Y":"N") hotlog_js="1.2"; hotlog_r+="&wh="+screen.width+'x'+screen.height+"&px="+ (((navigator.appName.substring(0,3)=="Mic"))? screen.colorDepth:screen.pixelDepth) hotlog_js="1.3" hotlog_r+="&js="+hotlog_js; document.write("") >

Соседние файлы в папке Функции Image Toolbox