locallapfilt
イメージの高速な局所ラプラシアン フィルター処理
構文
説明
例
RGB イメージをインポートします。
A = imread('peppers.png');0.4 より小さい細部を増やすためにフィルターのパラメーターを設定します。
sigma = 0.4; alpha = 0.5;
高速な局所ラプラシアン フィルター処理を使用します。
B = locallapfilt(A, sigma, alpha);
元のイメージとフィルター処理されたイメージを並べて表示します。
imshowpair(A, B, 'montage')
局所ラプラシアン フィルターは計算負荷の高いアルゴリズムです。処理を高速化するために、locallapfilt は強度の範囲を NumIntensityLevels パラメーターで定義されたサンプル数に離散化してアルゴリズムを近似します。このパラメーターを使用すると、速度と品質のバランスを保つことができます。
RGB イメージをインポートして表示します。
A = imread('peppers.png'); figure imshow(A) title('Original Image')
sigma 値で細部を処理し、alpha 値でコントラストを上げて、イメージの局所的なコントラストを効果的に強調します。
sigma = 0.2; alpha = 0.3;
使用するサンプル数が少ないほど、実行速度は向上しますが、特に均一なコントラストの領域でアーティファクトが顕著になる可能性があります。強度レベルを 20 個のみ使用し、関数の時間を測定します。
t_speed = timeit(@() locallapfilt(A, sigma, alpha, 'NumIntensityLevels', 20)) t_speed = 0.0328
次に、イメージを処理して表示します。
B_speed = locallapfilt(A, sigma, alpha, 'NumIntensityLevels', 20); figure imshow(B_speed) title(['Enhanced with 20 intensity levels in ' num2str(t_speed) ' sec'])
サンプル数を多くすると、処理時間はかかりますが良好な結果が得られます。強度レベルを 100 個使用し、関数の時間を測定します。
t_quality = timeit(@() locallapfilt(A, sigma, alpha, 'NumIntensityLevels', 100))t_quality = 0.1039
100 個の強度レベルを含むイメージを処理して表示します。
B_quality = locallapfilt(A, sigma, alpha, 'NumIntensityLevels', 100); figure imshow(B_quality) title(['Enhancement with 100 intensity levels in ' num2str(t_quality) ' sec'])
個々のイメージの強度レベルの数を変化させて試してください。また、コントラストも下げてみてください (alpha > 1)。最適な強度レベルの数はイメージごとに異なり、alpha によって変わることがわかります。既定の設定では、locallapfilt は経験則によって速度と品質のバランスを保ちますが、すべてのイメージにとっての最適値を予測することはできません。
カラー イメージをインポートし、サイズを縮小して表示します。
A = imread('car2.jpg'); A = imresize(A, 0.25); figure imshow(A) title('Original Image')
0 ～ 1 に正規化された範囲で 0.3 より小さい細部を大幅に増やすためにフィルターのパラメーターを設定します。
sigma = 0.3; alpha = 0.1;
2 つの異なるカラー フィルター処理モードを比較します。強度のフィルター処理とカラー チャネル別のフィルター処理によってイメージを処理します。
B_luminance = locallapfilt(A, sigma, alpha); B_separate = locallapfilt(A, sigma, alpha, 'ColorMode', 'separate');
フィルター処理されたイメージを表示します。
figure
imshow(B_luminance)
title('Enhanced by boosting the local luminance contrast')
figure
imshow(B_separate)
title('Enhanced by boosting the local color contrast')
同量のコントラスト強調が各イメージに適用されましたが、ColorMode を separate に設定したときの方が色の彩度が高くなります。
イメージをインポートします。人工的なノイズを簡単に追加できるようにイメージを浮動小数点に変換します。
A = imread('pout.tif');
A = im2single(A);ゼロ平均、分散 0.001 のガウス ノイズを追加します。
A_noisy = imnoise(A, 'gaussian', 0, 0.001); psnr_noisy = psnr(A_noisy, A); fprintf('The peak signal-to-noise ratio of the noisy image is %0.4f\n', psnr_noisy);
The peak signal-to-noise ratio of the noisy image is 30.0234
平滑化する細部の振幅を設定した後、適用する平滑化の量を設定します。
sigma = 0.1; alpha = 4.0;
エッジ保存型フィルターを適用します。
B = locallapfilt(A_noisy, sigma, alpha);
psnr_denoised = psnr(B, A);
fprintf('The peak signal-to-noise ratio of the denoised image is %0.4f\n', psnr_denoised);The peak signal-to-noise ratio of the denoised image is 32.3362
イメージの PSNR に改善が見られます。
3 つすべてのイメージを並べて表示します。細部は平滑化されていますが、エッジに沿った鮮明な強度変化は元のままです。
figure subplot(1,3,1), imshow(A), title('Original') subplot(1,3,2), imshow(A_noisy), title('Noisy') subplot(1,3,3), imshow(B), title('Denoised')
イメージをインポートし、サイズを変更して表示します。
A = imread('car1.jpg'); A = imresize(A, 0.25); figure imshow(A) title('Original Image')
車は汚れ、まだら模様です。ボディのほこりと模様を消してみましょう。平滑化する細部の振幅を設定し、適用する平滑化の量を大きく設定します。
sigma = 0.2; alpha = 5.0;
平滑化 (alpha > 1) の場合、フィルターは少数の強度レベルで高品質の結果を生み出します。イメージの処理を高速化するために、少数の強度レベルを設定します。
numLevels = 16;
フィルターを適用します。
B = locallapfilt(A, sigma, alpha, 'NumIntensityLevels', numLevels);"汚れのない" 車を表示します。
figure
imshow(B)
title('After smoothing details')
入力引数
名前と値の引数
出力引数
参照
[1] Paris, Sylvain, Samuel W. Hasinoff, and Jan Kautz. Local Laplacian filters: edge-aware image processing with a Laplacian pyramid, ACM Trans. Graph. 30.4 (2011): 68.
[2] Aubry, Mathieu, et al. Fast local laplacian filters: Theory and applications. ACM Transactions on Graphics (TOG) 33.5 (2014): 167.
