Comment le laplacien est-il utilisé pour le masque flou?

Question

Matlab fspecial Le masque flou utilise un noyau laplacien pour obtenir une netteté de l'image. D'après ce que je sais, l'image doit d'abord être floue, puis l'image floue est soustraite de l'original pour obtenir une image plus nette. La partie laplacienne vient exactement là où le prétendu lissage devrait avoir lieu. Corrigez-moi si je me trompe, mais Laplacian ne fait pas de lissage.

Alors, comment le Laplacien aide-t-il à aiguiser l'image?

Answer 1

Il est récupéré à partir de: http://www.imagemet.com/WebHelp/spip.htm#hid_filters_edge_enhancement.htm

Il explique très bien le filtre Laplacien;)

Le filtre Laplacien se sépare de l'autre amélioration des contours filtres, car il utilise une seconde information dérivée de la changements d'intensité dans une image à travers une équation de différence. Ce qui se passe est que la différence du pixel central est prise avec chaque pixel environnant, puis moyennée. Aux bords ce différentiel sera grand et ailleurs il sera petit, laissant met en évidence seulement dans les zones où les différentiels pointus, ou les bords, se produisent. Dans le domaine discret, l'approximation la plus simple du laplacien continu est de calculer la différence de pentes le long de chaque axe .

L'opérateur Laplacien peut être définie dans un plan à deux dimensions:

2D (x, y) = ¶ 2 I (x, y)/¶ 2 x + ¶ 2 I (x, y)/2 ¶ y

Dans le cas discret, il est approchée par la grille 4 connecté en tant que:

l (x, y) = -I (x-1, y) -I (x + 1, y) -I (x, y-1) -I (x, y + 1) + 4I (x, y)

Ce quartier quatre LAPLACIAN peut générer le noyau suivant:

Answer 2

Il existe différentes façons d'affûter une image.

Une méthode consiste à soustraire une version floue de l'image de l'original. Ceci est connu comme unsharp masking. C'est la méthode que vous avez décrite. L'utilisation d'un laplacien est une approche complètement différente. Le laplacien est utilisé pour accentuer les bords. Smash a plutôt bien décrit son fonctionnement interne, donc je n'entrerai pas dans les détails ici. Les autres méthodes comprennent deconvolution, focus stacking et others. Il y a beaucoup de recherches dans ce domaine, donc si vous cherchez des approches plus avant-gardistes, jetez un oeil sur Google Scholar. La méthode que l'on choisit d'utiliser dépend généralement du problème et des restrictions associées.