MATLAB - 高斯-拉普拉斯滤波

MATLAB - 用于边缘检测的高斯-拉普拉斯 (LoG) 滤波器

高斯-拉普拉斯 (LoG) 滤波器是一种强大的图像处理滤波器，用于检测边缘。它将两个步骤合二为一：首先使用高斯滤波器平滑图像以减少噪声，然后应用拉普拉斯滤波器来查找强度快速变化的区域（即边缘）。

LoG 被称为二阶导数算子。图像中的边缘对应于滤波输出中的过零点（像素值从正变为负）。通过调整高斯分量的 sigma（标准差），您可以在不同尺度下检测边缘——较小的 sigma 可以找到精细细节，而较大的 sigma 则可以找到更宽、更显著的边缘。

现代方法：手动创建 LoG 滤波器

虽然 MATLAB 有一个旧版函数 fspecial('log')，但更现代、更具教学意义的方法是自己创建滤波器核。这使您能够完全控制并更好地理解整个过程。

示例 1：手动创建和应用 LoG 滤波器

%% 1. 加载并准备图像
originalImage = imread('peppers.png');
grayImage = rgb2gray(originalImage);

% 转换为双精度浮点数以进行精确计算
doubleImage = double(grayImage);

%% 2. 定义 LoG 滤波器参数
% Sigma 控制要检测的边缘尺度
sigma = 2.0;

% 根据 sigma 确定滤波器大小（经验法则）
filterSize = 2 * ceil(3 * sigma) + 1;

%% 3. 创建 LoG 滤波器核
% 创建 (x,y) 坐标网格
[X, Y] = meshgrid(-floor(filterSize/2):floor(filterSize/2));

% 高斯-拉普拉斯公式
logKernel = -1 / (pi * sigma^4) * (1 - (X.^2 + Y.^2) / (2 * sigma^2)) .* exp(-(X.^2 + Y.^2) / (2 * sigma^2));

% 最佳实践：归一化滤波器核，使其和为零，以作为拉普拉斯算子
logKernel = logKernel - mean(logKernel(:));

%% 4. 应用滤波器
% 'replicate' 通过复制边缘像素值来处理边界像素
filteredImage = imfilter(doubleImage, logKernel, 'replicate');

%% 5. 显示结果
figure;
subplot(1, 2, 1);
imshow(grayImage);
title('Original Grayscale Image');

% LoG 输出突出边缘。我们使用空的颜色图范围 `[]`
% 自动调整显示比例以显示正负值。
subplot(1, 2, 2);
imshow(filteredImage, []);
title(sprintf('LoG Filtered (Sigma = %.1f)', sigma));

解释

• 滤波器创建：我们首先创建一个坐标网格 (meshgrid)。然后，我们将二维 LoG 函数的数学公式应用于此网格。这会创建一个代表滤波器的核（一个小型矩阵）。
• 归一化：对于二阶导数滤波器来说，关键一步是确保滤波器核的元素之和为零。这保证了滤波器在图像的平坦、均匀区域没有响应，只在强度变化处产生响应。
• 滤波：imfilter 使用我们自定义的 logKernel 对图像进行卷积。我们使用 'replicate' 选项来避免零填充导致的暗边。
• 显示：LoG 滤波器的输出包含正值、负值和零值。为了正确可视化，imshow(filteredImage, []) 会自动调整显示范围以适应数据，通常将正值显示为白色，负值显示为黑色，过零点（即边缘）显示为灰色。

预期输出

输出窗口将显示原始图像在左侧。右侧的滤波后图像将大部分是灰色。原始图像中的强边缘将显示为锐利、细致的双线（一条黑色，一条白色）。这种从黑到白的过渡代表过零点，它精确地定位了边缘。

旧版方法：使用 fspecial

为了快速测试或处理旧代码，您仍然可以使用 fspecial。它的灵活性较差但更简洁。

示例 2：简单拉普拉斯滤波器与 LoG 滤波器的比较

此示例突出了 LoG 中高斯平滑的重要性。纯拉普拉斯滤波器对噪声非常敏感。

I = imread('cameraman.tif');

% 1. 简单拉普拉斯滤波器（对噪声敏感）
h_lap = fspecial('laplacian', 0.2); % 0.2 is the alpha parameter
I_lap = imfilter(I, h_lap, 'replicate');

% 2. 高斯-拉普拉斯 (LoG) 滤波器（抗噪声）
h_log = fspecial('log', [5 5], 0.5); % 5x5 filter, sigma=0.5
I_log = imfilter(I, h_log, 'replicate');

% 显示比较结果
figure;
subplot(1, 3, 1); imshow(I); title('Original');
subplot(1, 3, 2); imshow(I_lap, []); title('Laplacian Only');
subplot(1, 3, 3); imshow(I_log, []); title('Laplacian of Gaussian');

预期输出

一个图窗将显示三幅图像。‘Original’ 是输入图像。‘Laplacian Only’ 图像将显示边缘，但图像中也会有很多斑点噪声。‘Laplacian of Gaussian’ 图像将具有更清晰、更明显的边缘，背景噪声被抑制，这表明了初始高斯平滑的有效性。