Ich muss einige grundlegende Bildverarbeitungstechniken in Matlab testen. Ich muss vor allem zwei Arten von Filtern testen und vergleichen: Mittelfilter und Medianfilter. Um das Bild mit der Median-Filterung zu glätten, gibt es eine große Funktion medfilt2 aus der Bildverarbeitungs-Toolbox. Gibt es eine ähnliche Funktion für Mittelfilter Oder wie man die Filter2-Funktion verwenden, um den mittleren Filter zu erstellen Eines der wichtigsten Dinge für mich ist die Möglichkeit der Einstellung Radius des Filters haben. D. h. Für Medianfilter, wenn ich den 3 x 3 Radius (Maske) möchte, verwende ich einfach ich möchte etwas Ähnliches für Mittelfilter erreichen. Ich habe nicht Zugriff auf das Buch jetzt, aber in der Regel der Gauß-Kernel bietet eine sanftere Glättung Wirkung und neigt dazu, die Kanten besser als ein Mittel-Filter der gleichen Größe zu bewahren. Denken Sie an den Frequenzgang des Tiefpaßfilters in beiden Fällen. Hier ist eine Seite mit einer guten Erklärung: homepages. inf. ed. ac. ukrbfHIPR2gsmooth. htm ndash Amro Aug 1 14 am 9: 48 Erstellt am Mittwoch, den 08. Oktober 2008 um 20:04 Uhr Zuletzt aktualisiert am Donnerstag, den 14. März 2013 um 01:29 Uhr Geschrieben Von Batuhan Osmanoglu Zugriffe: 40880 Moving Average In Matlab Oft finde ich mich in der Notwendigkeit der Mittelung der Daten, die ich haben, um das Rauschen ein wenig zu reduzieren. Ich schrieb paar Funktionen, um genau das tun, was ich will, aber Matlabs in Filter-Funktion gebaut funktioniert auch ziemlich gut. Hier schreibe ich über 1D und 2D Mittelung von Daten. 1D-Filter kann mit der Filterfunktion realisiert werden. Die Filterfunktion erfordert mindestens drei Eingangsparameter: den Zählerkoeffizienten für den Filter (b), den Nennerkoeffizienten für den Filter (a) und natürlich die Daten (X). Ein laufender Mittelwertfilter kann einfach definiert werden: Für 2D-Daten können wir die Funktion Matlabs filter2 verwenden. Für weitere Informationen, wie der Filter funktioniert, können Sie eingeben: Hier ist eine schnelle und schmutzige Implementierung eines 16 von 16 gleitenden durchschnittlichen Filters. Zuerst müssen wir den Filter definieren. Da alles, was wir wollen, gleicher Beitrag aller Nachbarn ist, können wir einfach die Funktion verwenden. Wir teilen alles mit 256 (1616), da wir nicht den allgemeinen Pegel (Amplitude) des Signals ändern wollen. Zur Anwendung des Filters können wir einfach sagen, die folgenden Unten sind die Ergebnisse für die Phase eines SAR-Interferogramms. In diesem Fall ist der Bereich in der Y-Achse und der Azimut auf der X-Achse abgebildet. Der Filter war 4 Pixel breit im Bereich und 16 Pixel breit im Azimut.
No comments:
Post a Comment