MATLAB 线性高通滤波器


线性高通滤波器可以使用带有正负系数的二维卷积掩模来实现,它对应于拉普拉斯二阶导数的数字近似——一种简单的、各向同性(旋转不变)二阶导数,能够对任何方向的强度跃迁做出响应。

拉普拉斯的另一种数字实现方法考虑了输入图像中参考像素的所有8个方面,可以通过下面给出的卷积掩模实现:


    -1    -1    -1
    -1     8    -1
    -1    -1    -1

方向差滤波器

方向差滤波器类似于拉普拉斯高频滤波器,但强调的边缘在一个特定的方向。滤波器通常称为浮雕滤波器。有四个代表性的掩膜可以用来实现浮雕效果:

四个代表性的掩膜

线性高通滤波器包括PrewittSobel算子。也被称为一阶边缘检测方法。高通滤波器用于边缘检测和边缘增强操作。

IPT函数边缘对Prewitt和Sobel操作符都有选项。使用Prewitt和Sobel操作符的边缘检测也可以通过使用imfilter命令和相应的3×3掩模(可以使用fspecial命令创建)来实现。


实例

以下代码使用Prewitt算子提取图像中的边缘:


A = imread(‘Penguins_grey.jpg’);
B = rgb2gray(A);
Prewitt_B=edge(B,’Prewitt’);
imshow(Prewitt_B)
原图
原图
使用Prewitt算子提取边缘的图像
使用Prewitt算子提取边缘的图像

使用Sobel算子进行边缘检测的代码如下:


A = imread(‘Penguins_grey.jpg’);
B = rgb2gray(A);
Sobel_B=edge(B,’sobel’);
imshow(Sobel_B)
采用Sobel算子进行边缘检测所得图像
采用Sobel算子进行边缘检测所得图像

现在让向企鹅qie.jpg图像添加高斯噪声。然后使用Sobel边缘检测器对其进行处理:


A = imread('E:\MATLAB学习\qie.jpg');
B = rgb2gray(A);
B_noise=imnoise(B,'gaussian');
Sobel_B=edge(B,'sobel');
imshow(Sobel_B)
高斯噪声使用Sobel边缘检测器图像处理
高斯噪声使用Sobel边缘检测器图像处理



公众号

关注公众号,获取一手资讯

“ MATLAB 线性高通滤波器 ” comments 0

评论/回复

电子邮件地址不会被公开。 必填项已用*标注