MATLAB：用于边缘检测的高斯拉普拉斯滤波器

高斯滤波器是图像处理中用于模糊或平滑图像的线性滤波器。它以高斯函数命名，用于定义滤波器的形状。高斯滤波器通常用于减少图像中的噪声和细节，使其更适合进一步处理或分析。

高斯拉普拉斯 (LoG) 滤波器是图像处理中常用的图像增强和边缘检测滤波器。它是两个滤波器的组合：高斯滤波器和拉普拉斯滤波器。高斯滤波器用于平滑图像并降低噪声，而拉普拉斯滤波器用于检测边缘。

高斯拉普拉斯滤波器对于检测图像中不同尺度的边缘非常有用。通过改变高斯滤波器的标准差，您可以控制检测边缘的比例。较小的标准差检测更精细的细节，而较大的标准差检测更广泛的特征。

让我们看一些高斯滤波器拉普拉斯算子的示例。

示例 1：使用 fspecial() 函数

fspecial() 函数用于创建高斯滤波器，然后计算该高斯的拉普拉斯算子以创建 LoG 滤波器。然而，拉普拉斯滤波器期望高斯滤波器为 double 类型。

我们的代码是 -

<前>06

让我们详细了解代码 -

<前>16

这里它从当前目录读取图像“peppers.jpg”并将其存储在变量 img 中。

<前>23

如果图像是彩色的（RGB 格式），则使用 rgb2gray 函数将其转换为灰度图像。灰度图像存储在变量img_gray中。如果图像已经是灰度图像，则按原样存储。

<前>37

上面的代码创建了高斯滤波器。这里，我们定义了高斯滤波器的标准差 sigma，并根据标准差计算滤波器大小 hsize。然后，我们使用 fspecial 函数以“gaussian”作为滤波器类型创建高斯滤波器。

<前>45

我们使用 fspecial 函数以“log”作为滤波器类型创建拉普拉斯高斯滤波器。该滤波器代表高斯滤波器的拉普拉斯算子，用于边缘检测。

<前>54

这里使用 imfilter 函数对灰度图像 img_gray 进行高斯拉普拉斯滤波器。 'conv' 选项指定应使用卷积来应用过滤器，'replicate' 选项指定在过滤过程中应如何处理图像边界。

<前>66

最后，我们使用 subplot、imshow 和 title 函数并排显示原始灰度图像和过滤后的图像。过滤后的图像在显示前会转换为uint8格式。

当代码执行时，我们得到的输出如下 -

此示例展示了两种不同的滤波器（拉普拉斯滤波器和高斯拉普拉斯 (LoG) 滤波器）对输入图像“peppers.jpg”的应用

我们的代码是 -

<前>78

在上面的例子中-

<前>85

此代码读取图像“peppers.jpg”并使用 imshow 函数显示它。 title 函数为图像添加标题。

<前>95

此处，拉普拉斯滤波器是使用 fspecial 函数以“laplacian”作为滤波器类型创建的。然后使用 imfilter 函数将此过滤器应用于输入图像 x，从而得到过滤后的图像filtered_image。

<前>102

此代码显示从拉普拉斯滤波器获得的滤波图像。 title 函数为图像添加标题。

<前>110

与拉普拉斯滤波器类似，LoG 滤波器是使用 fspecial 函数以“log”作为滤波器类型创建的。然后使用 imfilter 函数将此过滤器应用于输入图像 x，从而得到过滤后的图像filtered_image。

<前>125

此代码显示从 LoG 滤波器获得的滤波图像。 title 函数为图像添加标题。

当代码执行时，我们得到的输出是 -

MATLAB