资源描述:
《典的TV变分法图像去噪的C++实现》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、典的变分法图像去噪的C++实现由于这学期的图像处理课程的大作业需要写一个图像处理程序,不能使用古典的线性滤波,或者基于频域(小波)或者基于统计之类的方法。只能用老师讲过的一些方法,诸如变分,PDE,微分几何等。。感觉上简单的变分法稍微要好实现一些,就打算基于最早的TV图像去噪模型,做一个VC的实现。但是找遍了网上也没有TV去噪的C++源码,与之只好自己动手写了。关于变分法和泛函分析的一些基础原理今天就先不多说了,TV图像去噪经典论文:《NonlinearTotalVariationbasednoiseremovalalgorithms》Google上
2、可以搜得到。关于Matlab的程序实现,有一个经典的主页:http://visl.technion.ac.il/~gilboa/PDE-filt/tv_denoising.html下面是一个Matlab代码实现:复制到记事本用matlab打开就可以运行,要注意图像的名称和路径要对应。如果只是想学学算法思路或者看看处理效果的话,只需要Matlab的代码就行了。function J=tv(I,iter,dt,ep,lam,I0,C)%% Private function: tv (by Guy Gilboa).%% Total Variation den
3、oising.%% Example: J=tv(I,iter,dt,ep,lam,I0)%% Input: I - image (double array gray level 1-256),%% iter - num of iterations,%% dt - time step [0.2],%% ep - epsilon (of gradient regularization) [1],%% lam - fidelity term lambda [0],%% I
4、0 - input (noisy) image [I0=I]%% (default values are in [])%% Output: evolved imageclcclearI=imread('grids.bmp'); % load imageI = double(I);if ~exist('ep') ep=1;endif ~exist('dt') dt=ep/5; % dt below the CFL boundendif ~exist('lam') lam=0;endif ~exist('I0') I0
5、=I;endif ~exist('C') C=0;end[ny,nx]=size(I); ep2=ep^2;% paramsiter=80; for i=1:iter, %% do iterations % estimate derivatives I_x = (I(:,[2:nx nx])-I(:,[1 1:nx-1]))/2; I_y = (I([2:ny ny],:)-I([1 1:ny-1],:))/2; I_xx = I(:,[2:nx nx])+I(:,[1 1:nx-1])-2*I; I_yy = I(
6、[2:ny ny],:)+I([1 1:ny-1],:)-2*I; Dp = I([2:ny ny],[2:nx nx])+I([1 1:ny-1],[1 1:nx-1]); Dm = I([1 1:ny-1],[2:nx nx])+I([2:ny ny],[1 1:nx-1]); I_xy = (Dp-Dm)/4; % compute flow Num = I_xx.*(ep2+I_y.^2)-2*I_x.*I_y.*I_xy+I_yy.*(ep2+I_x.^2); Den = (ep2+I_x.^2+I_y.^2).
7、^(3/2); I_t = Num./Den + lam.*(I0-I+C); I=I+dt*I_t; %% evolve image by dtend % for i%% return image%J=I*Imean/mean(mean(I)); % normalize to original meanJ=I;figure(1); imshow(uint8(I0)); title('Noisy image');% denoise image by using tv for some iterationsfigure(2); imshow(
8、uint8(J)); title('Denoised image');另外我在我的图像处理框架程序里实现了这