各向异性扩散的 Matlab (用于 2D 和 3D 图像处理)
2016-08-23
0 0 0
暂无评分
其他
如何获取积分?
%ANISODIFF2D传统各向异性扩散
%DIFF_IM= ANISODIFF2D(IM,NUM_ITER,DELTA_T,KAPPA,OPTION)perfoms
%传统各向异性扩散(佩罗娜马利克和)在灰度
%的图像。 8相邻节点二维网络结构被认为是
%的扩散传导。
%
%参数说明:
%IM - 灰度图像(MXN)。
%NUM_ITER - 迭代次数。
%DELTA_T - 积分常数(0<= delta_t<=1/7)。
%通常情况下,由于数值稳定性这
%参数被设置为它的最大值。
%KAPPA - 梯度模数的阈值,用于控制导通。
%OPTION - 提出佩罗娜马利克和导热系数的功能:
%1 - C(X,Y,T)= EXP( - (nablaI/卡帕)^ 2),
%特权高对比度的边缘在低对比度的。
%2 - C(X,Y,T)= 1./(1+(nablaI/卡帕)^ 2),
%特权广泛地区超过较小的。
%
%OUTPUT描述:
%DIFF_IM - (扩散)的图像规模最大空间的参数。
%
%DIFF_IM= ANISODIFF2D(IM,NUM_ITER,DELTA_T,KAPPA,OPTION)perfoms
%传统各向异性扩散(佩罗娜马利克和)在灰度
%的图像。 8相邻节点二维网络结构被认为是
%的扩散传导。
%
%参数说明:
%IM - 灰度图像(MXN)。
%NUM_ITER - 迭代次数。
%DELTA_T - 积分常数(0<= delta_t<=1/7)。
%通常情况下,由于数值稳定性这
%参数被设置为它的最大值。
%KAPPA - 梯度模数的阈值,用于控制导通。
%OPTION - 提出佩罗娜马利克和导热系数的功能:
%1 - C(X,Y,T)= EXP( - (nablaI/卡帕)^ 2),
%特权高对比度的边缘在低对比度的。
%2 - C(X,Y,T)= 1./(1+(nablaI/卡帕)^ 2),
%特权广泛地区超过较小的。
%
%OUTPUT描述:
%DIFF_IM - (扩散)的图像规模最大空间的参数。
%
matlab
图像处理
用于
各向异性
扩散
相关源码推荐
GMSK线性接收机
0
0
暂无评分
NSGA-II算法
0
0
暂无评分
NSGA-III多目标优化算法
0
0
暂无评分
压缩传感示例
0
0
暂无评分
恒虚警检测器示例
0
0
暂无评分
暂无评论