双边滤波Matlab实现The Bilateral Filter

原文：http://blog.csdn.net/lifeitengup/article/details/8902326#comments

双边滤波与一般的高斯滤波的不同就是：双边滤波既利用了位置信息<or 几何信息——高斯滤波只用了位置信息>又利用了像素信息来定义滤波窗口的权重。

像素值越接近，权重越大。双边滤波会去除图像的细节信息，又能保持边界。

对于彩色图像，像素值的接近与否不能使用RGB空间值，双边滤波的原始文献建议使用CIE颜色空间。

代码如下：

[plain] view plain copy

function resultI = BilateralFilt2(I,d,sigma)  

%%%  

%Author：LiFeiteng  

%Version：1.0——灰色图像  Time：2013/05/01  

%Version：1.1——灰色/彩色图像  Time：2013/05/02  2013/05/05  

%d 半窗口宽度  

I = double(I);  

if size(I,3)==1  

    resultI = BilateralFiltGray(I,d,sigma);  

elseif size(I,3)==3  

    resultI = BilateralFiltColor(I,d,sigma);  

else   

    error('Incorrect image size')      

end  

end  

  

function resultI = BilateralFiltGray(I,d,sigma)  

  

[m n] = size(I);  

newI = ReflectEdge(I,d);  

resultI = zeros(m,n);  

width = 2*d+1;  

%Distance  

D = fspecial('gaussian',[width,width],sigma(1));  

S = zeros(width,width);%pix Similarity  

h = waitbar(0,'Applying bilateral filter...');  

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

for i=1+d:m+d  

    for j=1+d:n+d  

        pixValue = newI(i-d:i+d,j-d:j+d);  

        subValue = pixValue-newI(i,j);  

        S = exp(-subValue.^2/(2*sigma(2)^2));  

        H = S.*D;  

        resultI(i-d,j-d) = sum(pixValue(:).*H(:))/sum(H(:));   

    end  

    waitbar(i/m);  

end  

close(h);  

end  

  

function resultI = BilateralFiltColor(I,d,sigma)  

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

[m n ~] = size(I);  

newI = ReflectEdge(I,d);  

resultI = zeros(m,n,3);  

width = 2*d+1;  

%Distance  

D = fspecial('gaussian',[width,width],sigma(1));  

% [X,Y] = meshgrid(-d:d,-d:d);  

% D = exp(-(X.^2+Y.^2)/(2*sigma(1)^2));  

S = zeros(width,width);%pix Similarity  

h = waitbar(0,'Applying bilateral filter...');  

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

sigma_r = 100*sigma(2);  

for i=1+d:m+d  

    for j=1+d:n+d  

        pixValue = newI(i-d:i+d,j-d:j+d,1:3);  

        %subValue = pixValue-repmat(newI(i,j,1:3),width,width);  

        dL = pixValue(:,:,1)-newI(i,j,1);  

        da = pixValue(:,:,2)-newI(i,j,2);  

        db = pixValue(:,:,3)-newI(i,j,3);  

        S = exp(-(dL.^2+da.^2+db.^2)/(2*sigma_r^2));  

        H = S.*D;  

        H = H./sum(H(:));  

        resultI(i-d,j-d,1) = sum(sum(pixValue(:,:,1).*H));   

        resultI(i-d,j-d,2) = sum(sum(pixValue(:,:,2).*H));      

        resultI(i-d,j-d,3) = sum(sum(pixValue(:,:,3).*H));      

    end  

    waitbar(i/m);  

end  

close(h);  

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

end  

其中newI = ReflectEdge(I,d); %对称地扩展边界，在原始图像I的边界处镜像映射像素值 

[plain] view plain copy

function newI = ReflectEdge(I,d)  

%Version：1.0——灰色图像  Time：2013/05/01  

%Version：1.1——灰色/彩色图像  Time：2013/05/02  

%考虑到实用性，决定不添加更多的边界处理选择，统一使用：reflect across edge  

  

if size(I,3)==1  

    newI = ReflectEdgeGray(I,d);  

elseif size(I,3)==3  

    newI = ReflectEdgeColor(I,d);  

else   

    error('Incorrect image size')      

end  

end  

  

function newI = ReflectEdgeGray(I,d)  

[m n] = size(I);  

newI = zeros(m+2*d,n+2*d);  

%中间部分  

newI(d+1:d+m,d+1:d+n) = I;  

%上  

newI(1:d,d+1:d+n) = I(d:-1:1,:);  

%下  

newI(end-d:end,d+1:d+n) = I(end:-1:end-d,:);  

%左  

newI(:,1:d) = newI(:,2*d:-1:d+1);  

%右  

newI(:,n+d+1:n+2*d) = newI(:,n+d:-1:n+1);  

end  

  

function newI = ReflectEdgeColor(I,d)  

%扩展图像边界  

[m n ~] = size(I);  

newI = zeros(m+2*d,n+2*d,3);  

%中间部分  

newI(d+1:d+m,d+1:d+n,1:3) = I;  

%上  

newI(1:d,d+1:d+n,1:3) = I(d:-1:1,:,1:3);  

%下  

newI(end-d:end,d+1:d+n,1:3) = I(end:-1:end-d,:,1:3);  

%左  

newI(:,1:d,1:3) = newI(:,2*d:-1:d+1,1:3);  

%右  

newI(:,n+d+1:n+2*d,1:3) = newI(:,n+d:-1:n+1,1:3);  

end  

测试用例：

[plain] view plain copy

img = imread('.\lena.tif');  

%%img = imread('.\images\lena_gray.tif');  

img = double(img)/255;  

img = img+0.05*randn(size(img));  

img(img<0) = 0; img(img>1) = 1;  

%img = imnoise(img,'gaussian');  

figure, imshow(img,[])  

title('原始图像')  

d = 6;  

sigma = [3 0.1];  

resultI = BilateralFilt2(double(img), d, sigma);  

  

figure, imshow(resultI,[])  

title('双边滤波后的图像')  

结果：

Reference：

1.C Tomasi, R Manduchi.Bilateral Filtering for Gray and Color Images, - Computer Vision, 1998.

双边滤波与一般的高斯滤波的不同就是：双边滤波既利用了位置信息<or 几何信息——高斯滤波只用了位置信息>又利用了像素信息来定义滤波窗口的权重。

像素值越接近，权重越大。双边滤波会去除图像的细节信息，又能保持边界。

对于彩色图像，像素值的接近与否不能使用RGB空间值，双边滤波的原始文献建议使用CIE颜色空间。

代码如下：

[plain] view plain copy

function resultI = BilateralFilt2(I,d,sigma)  

%%%  

%Author：LiFeiteng  

%Version：1.0——灰色图像  Time：2013/05/01  

%Version：1.1——灰色/彩色图像  Time：2013/05/02  2013/05/05  

%d 半窗口宽度  

I = double(I);  

if size(I,3)==1  

    resultI = BilateralFiltGray(I,d,sigma);  

elseif size(I,3)==3  

    resultI = BilateralFiltColor(I,d,sigma);  

else   

    error('Incorrect image size')      

end  

end  

  

function resultI = BilateralFiltGray(I,d,sigma)  

  

[m n] = size(I);  

newI = ReflectEdge(I,d);  

resultI = zeros(m,n);  

width = 2*d+1;  

%Distance  

D = fspecial('gaussian',[width,width],sigma(1));  

S = zeros(width,width);%pix Similarity  

h = waitbar(0,'Applying bilateral filter...');  

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

for i=1+d:m+d  

    for j=1+d:n+d  

        pixValue = newI(i-d:i+d,j-d:j+d);  

        subValue = pixValue-newI(i,j);  

        S = exp(-subValue.^2/(2*sigma(2)^2));  

        H = S.*D;  

        resultI(i-d,j-d) = sum(pixValue(:).*H(:))/sum(H(:));   

    end  

    waitbar(i/m);  

end  

close(h);  

end  

  

function resultI = BilateralFiltColor(I,d,sigma)  

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

[m n ~] = size(I);  

newI = ReflectEdge(I,d);  

resultI = zeros(m,n,3);  

width = 2*d+1;  

%Distance  

D = fspecial('gaussian',[width,width],sigma(1));  

% [X,Y] = meshgrid(-d:d,-d:d);  

% D = exp(-(X.^2+Y.^2)/(2*sigma(1)^2));  

S = zeros(width,width);%pix Similarity  

h = waitbar(0,'Applying bilateral filter...');  

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

sigma_r = 100*sigma(2);  

for i=1+d:m+d  

    for j=1+d:n+d  

        pixValue = newI(i-d:i+d,j-d:j+d,1:3);  

        %subValue = pixValue-repmat(newI(i,j,1:3),width,width);  

        dL = pixValue(:,:,1)-newI(i,j,1);  

        da = pixValue(:,:,2)-newI(i,j,2);  

        db = pixValue(:,:,3)-newI(i,j,3);  

        S = exp(-(dL.^2+da.^2+db.^2)/(2*sigma_r^2));  

        H = S.*D;  

        H = H./sum(H(:));  

        resultI(i-d,j-d,1) = sum(sum(pixValue(:,:,1).*H));   

        resultI(i-d,j-d,2) = sum(sum(pixValue(:,:,2).*H));      

        resultI(i-d,j-d,3) = sum(sum(pixValue(:,:,3).*H));      

    end  

    waitbar(i/m);  

end  

close(h);  

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

end  

其中newI = ReflectEdge(I,d); %对称地扩展边界，在原始图像I的边界处镜像映射像素值 

[plain] view plain copy

function newI = ReflectEdge(I,d)  

%Version：1.0——灰色图像  Time：2013/05/01  

%Version：1.1——灰色/彩色图像  Time：2013/05/02  

%考虑到实用性，决定不添加更多的边界处理选择，统一使用：reflect across edge  

  

if size(I,3)==1  

    newI = ReflectEdgeGray(I,d);  

elseif size(I,3)==3  

    newI = ReflectEdgeColor(I,d);  

else   

    error('Incorrect image size')      

end  

end  

  

function newI = ReflectEdgeGray(I,d)  

[m n] = size(I);  

newI = zeros(m+2*d,n+2*d);  

%中间部分  

newI(d+1:d+m,d+1:d+n) = I;  

%上  

newI(1:d,d+1:d+n) = I(d:-1:1,:);  

%下  

newI(end-d:end,d+1:d+n) = I(end:-1:end-d,:);  

%左  

newI(:,1:d) = newI(:,2*d:-1:d+1);  

%右  

newI(:,m+d+1:m+2*d) = newI(:,m+d:-1:m+1);  

end  

  

function newI = ReflectEdgeColor(I,d)  

%扩展图像边界  

[m n ~] = size(I);  

newI = zeros(m+2*d,n+2*d,3);  

%中间部分  

newI(d+1:d+m,d+1:d+n,1:3) = I;  

%上  

newI(1:d,d+1:d+n,1:3) = I(d:-1:1,:,1:3);  

%下  

newI(end-d:end,d+1:d+n,1:3) = I(end:-1:end-d,:,1:3);  

%左  

newI(:,1:d,1:3) = newI(:,2*d:-1:d+1,1:3);  

%右  

newI(:,m+d+1:m+2*d,1:3) = newI(:,m+d:-1:m+1,1:3);  

end  

测试用例：

[plain] view plain copy

img = imread('.\lena.tif');  

%%img = imread('.\images\lena_gray.tif');  

img = double(img)/255;  

img = img+0.05*randn(size(img));  

img(img<0) = 0; img(img>1) = 1;  

%img = imnoise(img,'gaussian');  

figure, imshow(img,[])  

title('原始图像')  

d = 6;  

sigma = [3 0.1];  

resultI = BilateralFilt2(double(img), d, sigma);  

  

figure, imshow(resultI,[])  

title('双边滤波后的图像')  

结果：

Reference：

1.C Tomasi, R Manduchi.Bilateral Filtering for Gray and Color Images, - Computer Vision, 1998.

总结

以上是生活随笔为你收集整理的双边滤波Matlab实现The Bilateral Filter的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。