%简单地说:

%A为给定图像,归一化到[,]的矩阵

%W为双边滤波器(核)的边长/

%定义域方差σd记为SIGMA(),值域方差σr记为SIGMA()

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% Pre-process input and select appropriate filter.

function B = bfilter2(A,w,sigma)

% Verify that the input image exists and is valid.

if ~exist('A','var') || isempty(A)

   error('Input image A is undefined or invalid.');

end

if ~isfloat(A) || ~sum([,] == size(A,)) || ...

      min(A(:)) <  || max(A(:)) > 

   error(['Input image A must be a double precision ',...

          'matrix of size NxMx1 or NxMx3 on the closed ',...

          'interval [0,1].']);      

end

% Verify bilateral filter window size.

if ~exist('w','var') || isempty(w) || ...

      numel(w) ~=  || w < 

   w = ;

end

w = ceil(w);

% Verify bilateral filter standard deviations.

if ~exist('sigma','var') || isempty(sigma) || ...

      numel(sigma) ~=  || sigma() <=  || sigma() <= 

   sigma = [ 0.1];

end

% Apply either grayscale or color bilateral filtering.

if size(A,) == 

   B = bfltGray(A,w,sigma(),sigma());

else

   B = bfltColor(A,w,sigma(),sigma());

end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% Implements bilateral filtering for grayscale images.

function B = bfltGray(A,w,sigma_d,sigma_r)

% Pre-compute Gaussian distance weights.

[X,Y] = meshgrid(-w:w,-w:w);

%创建核距离矩阵,e.g.

%  [x,y]=meshgrid(-:,-:)

% 

% x =

% 

%     -          

%     -          

%     -          

% 

% 

% y =

% 

%     -    -    -

%                

%                

%计算定义域核

G = exp(-(X.^+Y.^)/(*sigma_d^));

% Create waitbar.

h = waitbar(,'Applying bilateral filter...');

set(h,'Name','Bilateral Filter Progress');

% Apply bilateral filter.

%计算值域核H 并与定义域核G 乘积得到双边权重函数F

dim = size(A);

B = zeros(dim);

for i = :dim()

   for j = :dim()

         % Extract local region.

         iMin = max(i-w,);

         iMax = min(i+w,dim());

         jMin = max(j-w,);

         jMax = min(j+w,dim());

         %定义当前核所作用的区域为(iMin:iMax,jMin:jMax)

         I = A(iMin:iMax,jMin:jMax);%提取该区域的源图像值赋给I

         % Compute Gaussian intensity weights.

         H = exp(-(I-A(i,j)).^/(*sigma_r^));

         % Calculate bilateral filter response.

         F = H.*G((iMin:iMax)-i+w+,(jMin:jMax)-j+w+);

         B(i,j) = sum(F(:).*I(:))/sum(F(:));

   end

   waitbar(i/dim());

end

% Close waitbar.

close(h);

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% Implements bilateral filter for color images.

function B = bfltColor(A,w,sigma_d,sigma_r)

% Convert input sRGB image to CIELab color space.

if exist('applycform','file')

   A = applycform(A,makecform('srgb2lab'));

else

   A = colorspace('Lab<-RGB',A);

end

% Pre-compute Gaussian domain weights.

[X,Y] = meshgrid(-w:w,-w:w);

G = exp(-(X.^+Y.^)/(*sigma_d^));

% Rescale range variance (using maximum luminance).

sigma_r = *sigma_r;

% Create waitbar.

h = waitbar(,'Applying bilateral filter...');

set(h,'Name','Bilateral Filter Progress');

% Apply bilateral filter.

dim = size(A);

B = zeros(dim);

for i = :dim()

   for j = :dim()

         % Extract local region.

         iMin = max(i-w,);

         iMax = min(i+w,dim());

         jMin = max(j-w,);

         jMax = min(j+w,dim());

         I = A(iMin:iMax,jMin:jMax,:);

         % Compute Gaussian range weights.

         dL = I(:,:,)-A(i,j,);

         da = I(:,:,)-A(i,j,);

         db = I(:,:,)-A(i,j,);

         H = exp(-(dL.^+da.^+db.^)/(*sigma_r^));

         % Calculate bilateral filter response.

         F = H.*G((iMin:iMax)-i+w+,(jMin:jMax)-j+w+);

         norm_F = sum(F(:));

         B(i,j,) = sum(sum(F.*I(:,:,)))/norm_F;

         B(i,j,) = sum(sum(F.*I(:,:,)))/norm_F;

         B(i,j,) = sum(sum(F.*I(:,:,)))/norm_F;

   end

   waitbar(i/dim());

end

% Convert filtered image back to sRGB color space.

if exist('applycform','file')

   B = applycform(B,makecform('lab2srgb'));

else  

   B = colorspace('RGB<-Lab',B);

end

% Close waitbar.

close(h);

双边滤波Matlab代码的更多相关文章

  1. 快速双边滤波 附完整C代码

    很早之前写过<双边滤波算法的简易实现bilateralFilter>. 当时学习参考的代码来自cuda的样例. 相关代码可以参阅: https://github.com/johng12/c ...

  2. opencv-12-高斯滤波-双边滤波(附C++代码实现)

    开始之前 这几天由于自己的原因没有写, 一个是因为自己懒了, 一个是感觉这里遇到点问题不想往下写了, 我们先努力结束这个章节吧, 之前介绍了比较常用而且比较好理解的均值和中值滤波, 但是呢,在例程Sm ...

  3. o(1)复杂度之双边滤波算法的原理、流程、实现及效果。

    一.引言     双边滤波在图像处理领域中有着广泛的应用,比如去噪.去马赛克.光流估计等等,最近,比较流行的Non-Local算法也可以看成是双边滤波的一种扩展.自从Tomasi et al等人提出该 ...

  4. Bilateral Filtering(双边滤波) for SSAO(转)

    原文链接:http://blog.csdn.net/bugrunner/article/details/7170471 另外一篇相似的英文资料:http://homepages.inf.ed.ac.u ...

  5. Bilateral Filtering(双边滤波) for SSAO

    原网址:http://blog.csdn.net/bugrunner/article/details/7170471 1. 简介 图像平滑是一个重要的操作,而且有多种成熟的算法.这里主要简单介绍一下B ...

  6. OpenCV计算机视觉学习(4)——图像平滑处理(均值滤波,高斯滤波,中值滤波,双边滤波)

    如果需要处理的原图及代码,请移步小编的GitHub地址 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/ComputerVisionPractice &q ...

  7. 利用联合双边滤波或引导滤波进行升采样(Upsampling)技术提高一些耗时算法的速度。

    这十年来,在图像处理领域提出了很多新的图像分析和处理方法,包括是自动的以及一些需要有人工参与的,典型的比如stereo depth computations.image colorization.to ...

  8. 学习 opencv---(8)非线性滤波:中值滤波,双边滤波

    正如我们上一篇文章中讲到的,线性滤波可以实现很多种不同的图像变换.然而非线性滤波,如中值滤波器和双边滤波器,有时可以达到更好的实现效果. 邻域算子的其他一些例子还有对 二值图像进行操作的形态学算子,用 ...

  9. 双边滤波算法的简易实现bilateralFilter

    没怎么看过双边滤波的具体思路,动手写一写,看看能不能突破一下. 最后,感觉算法还是要分开 水平 与 垂直 方向进行分别处理,才能把速度提上去. 没耐性写下去了,发上来,给大伙做个参考好了. 先上几张效 ...

随机推荐

  1. 【转】sql server数据收集和监控

    转自:https://www.cnblogs.com/zhijianliutang/p/4476403.html 相关系列: https://www.cnblogs.com/zhijianliutan ...

  2. CentOS7 内核模块管理

    1.查看所有模块:lsmod 2.查看指定模块的详细信息:modinfo 模块名 3.动态加载模块:modprobe 模块名 4.动态卸载模块:modprobe -r 模块名 5.开机自动加载模块:假 ...

  3. PHP7中的数据类型(一)计数引用、写时复制,可垃圾回收

    列个简单的表格说明一下:

  4. Linux命令学习(0)

    作为一名前端,可能接触到linux的机会并不多,但这不代表就不需要学.对我而言,学习linux主要是为了方便部署我的项目到服务器,我并没有花时间去学这些,只是上网查怎么部署项目,然后按教程一步一步来, ...

  5. 深度学习之(经典)卷积层计算量以及参数量总结 (考虑有无bias,乘加情况)

    目录: 1.经典的卷积层是如何计算的 2.分析卷积层的计算量 3.分析卷积层的参数量 4.pytorch实现自动计算卷积层的计算量和参数量 1.卷积操作如下: http://cs231n.github ...

  6. vue生命周期简单总结

    生命周期(钩子函数):一个组件从创建到销毁的过程就是生命周期     beforeCreate: 创建前     1.当前vue实例化的时候会做一个初始化的操作,在这个生命周期函数中我们可以做初始化的 ...

  7. 梯度下降算法(Gradient descent)GD

    1.我们之前已经定义了代价函数J,可以将代价函数J最小化的方法,梯度下降是最常用的算法,它不仅仅用在线性回归上,还被应用在机器学习的众多领域中,在后续的课程中,我们将使用梯度下降算法最小化其他函数,而 ...

  8. JS 页面跳转,参数的传递

    当我们通过location.replace()进行页面的跳转时,我们想进行参数的传递,当时学习的时候,以前在网上找过获取方法,已经忘记出处在哪里了.获取方法大概是这样的: 1.将参数通过拼接的方式拼接 ...

  9. 解决solr无法加core

    提示缺少配置文件:Error CREATEing SolrCore 'new_core': Unable to create core [new_core] Caused by: Can't find ...

  10. Matlab 2019a 下载和安装步骤

    目录 1. 安装包下载 + 多套数学建模视频教程 2. 安装步骤 1. 安装包下载 + 多套数学建模视频教程 参考:https://blog.csdn.net/COCO56/article/detai ...