【ITK库学习】使用itk库进行图像滤波ImageFilter:模糊降噪

2023-12-12 21:36

本文主要是介绍【ITK库学习】使用itk库进行图像滤波ImageFilter:模糊降噪,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

  • 1、itkDiscreteGaussianImageFilter 离散高斯
  • 2、itkBinomialBlurImageFilter 二项式模糊
  • 3、itkSmoothingRecursiveGaussianImageFilter

图像模糊可以削弱图像频谱的高频部门

1、itkDiscreteGaussianImageFilter 离散高斯

该类通过图像与离散高斯算子(内核)的可分离卷积来模糊图像。

如果 SetUseImageSpacing 关闭(false),则方差或标准差 (sigma) 将被评估为像素单位;如果 SetUseImageSpacing 开启(true,默认值),则方差或标准差 (sigma) 将被评估为物理单位。 方差可以在每个维度上独立设置。

常用的成员函数

  • Set/GetSigma():设置用于平滑的高斯的标准差,Sigma以图像间距为单位进行测量
  • Set/GetSigmaArray():保留 SetSigmaArray 以实现接口向后兼容性
  • SetVariance():离散高斯核的方差,为每个维度独立设置方差,每个维度的默认值为 0.0,如果 UseImageSpacing为 true,则单位是图像的物理单位,如果 UseImageSpacing 为 false,则单位为像素
  • Set/GetUseImageSpacing():设置/获取过滤器是否在计算中使用输入图像的间距,参数为bool,true(On):考虑图像间距信息并指定现实世界单位中的高斯方差;false(Off):忽略图像间距并以体素单位指定高斯方差,默认为On
  • SetUseImageSpacingOn/Off():同上
  • Set/GetMaximumKernelWidth():设置内核最大宽度像素值,即使MaximumError需要,默认值为 32 像素
  • Set/GetMaximumError():调整离散内核的大小,以便内核截断产生的误差不大于 MaximumError, 每个维度的默认值为 0.01
  • Set/GetInputBoundaryCondition():设置/获取边界条件
  • Set/GetRealBoundaryCondition():设置/获取边界条件
  • Set/GetFilterDimensionality():设置平滑维度数,默认为图像维度,可以设置为小于图像Dimension,平滑所有小于FilterDimensionality的尺寸,例如,只需平滑3D数据的切片而不在 Z 轴上平滑,则将 FilterDimensionality 设置为 2
  • GetKernelRadius():获取每个方向上可分离核的半径
  • GetKernelSize():获取每个方向上可分离核的大小,公式:KernelSize[i] = KernelRadius[i] * 2 + 1
  • GetKernelVarianceArray():获取方差,可选择根据像素间距进行调整

示例代码

#include "itkImage.h"
#include "itkDiscreteGaussianImageFilter.h"typedef itk::Image<float, 3> FloatImageType;bool discreteGaussianImageFilter(FloatImageType* image, FloatImageType* outputImage)
{const double gaussianVariance = 2.0;const int maxKernelWidth = 32;typedef itk::DiscreteGaussianImageFilter<FloatImageType, FloatImageType> DiscreteGaussianFilterType;typename DiscreteGaussianFilterType::Pointer discreteGauFilter = DiscreteGaussianFilterType::New();discreteGauFilter->SetInput(image);discreteGauFilter->SetVariance(gaussianVariance);discreteGauFilter->SetMaximumKernelWidth(32);discreteGauFilter->SetUseImageSpacing(true);try{discreteGauFilter->Update();}catch (itk::ExceptionObject& ex){//读取过程发生错误std::cerr << "Error: " << ex << std::endl;return false;}outputImage = discreteGauFilter->GetOutput();return true;
}

itkDiscreteGaussianImageFilter和itkRecursiveGaussianImageFilter都是都是用于图像滤波的高斯滤波器。

相同之处:在于都可以通过设置标准差参数来控制滤波的效果。

不同之处:

  • itkDiscreteGaussianImageFilter:是通过离散卷积的方式来计算高斯滤波,使用离散的高斯核进行像素值的加权平均,在实现上是基于卷积操作的,基于卷积的方法可以保留图像中的边缘信息,并且滤波时不会引入额外的图像数据依赖,其结果近似于连续高斯滤波,该类需要进行完整的离散卷积计算,计算成本较高,可以通过设置像素距离和变换到频率域等参数来调整滤波器的行为
  • itkRecursiveGaussianImageFilter使用递归的高斯核进行滤波,将二维高斯滤波分解成一维高斯滤波的连续求和,从而实现递归滤波的方法,由于它可以在空间域上利用中间结果进行优化,递归滤波的方法可以有效地减少计算量,并且在处理大图像时具有更高的效率,然而,递归滤波方法在滤波过程中会引入额外的图像数据依赖,因此可能会导致边界像素的变化,主要通过设置标准差来控制高斯核的大小和强度。

2、itkBinomialBlurImageFilter 二项式模糊

该类可以对图像的每个维度执行可分离的模糊。

二项式模糊由每个图像维度上的最近邻平均值组成,沿每个维度来计算一个最接近的邻域平均,理论上,经过n 次迭代后的最终结果接近高斯卷积。

常用的成员函数

  • Set/GetRepetitions():设置/获取重复过滤的次数

示例代码

#include "itkImage.h"
#include "itkBinomialBlurImageFilter.h"typedef itk::Image<float, 3> FloatImageType;bool binomialBlurImageFilter(FloatImageType* image, FloatImageType* outputImage, int repetitions)
{typedef itk::BinomialBlurImageFilter<FloatImageType, FloatImageType> BinomialBlurFilterType;typename BinomialBlurFilterType::Pointer binmialBlurFilter = BinomialBlurFilterType::New();binmialBlurFilter->SetInput(image);binmialBlurFilter->SetRepetitions(repetitions);try{binmialBlurFilter->Update();}catch (itk::ExceptionObject& ex){//读取过程发生错误std::cerr << "Error: " << ex << std::endl;return false;}outputImage = binmialBlurFilter->GetOutput();return true;
}

3、itkSmoothingRecursiveGaussianImageFilter

该类通过与实现为IIR滤波器的高斯核进行卷积来计算图像的平滑度。

该滤波器是使用递归高斯滤波器实现的,对于多分量图像,过滤器独立地作用于每个分量。

常用的成员函数

  • Set/GetSigma():设置/获取用于平滑的高斯的标准差,Sigma以图像间距为单位进行测量,可以使用 SetSigma方法在每个轴上设置相同的值,或者如果需要沿每个轴使用不同的值,则可以使用 SetSigmaArray
  • Set/GetSigmaArray():设置/获取每个轴向的Sigma值
  • Set/GetNumberOfWorkUnits():设置/获取要创建的工作单元的数量
  • Set/GetNormalizeAcrossScale():设置/获取用于在尺度空间上标准化高斯的标志,此方法不会影响该过滤器的输出
  • NormalizeAcrossScaleOn/Off():同上

示例代码

#include "itkImage.h"
#include "itkSmoothingRecursiveGaussianImageFilter.h"typedef itk::Image<float, 3> FloatImageType;bool smoothingRecursiveGaussianImageFilter(FloatImageType* image, FloatImageType* outputImage, double sigma)
{typedef itk::SmoothingRecursiveGaussianImageFilter<FloatImageType, FloatImageType> SmoothingRecGauFilterType;typename SmoothingRecGauFilterType::Pointer smoothingFilter = SmoothingRecGauFilterType::New();smoothingFilter->SetInput(image);smoothingFilter->SetSigma(sigma);//const itk::FixedArray<double, 3U> sigmaArry;//smoothingFilter->SetSigmaArray(sigmaArry);try{smoothingFilter->Update();}catch (itk::ExceptionObject& ex){//读取过程发生错误std::cerr << "Error: " << ex << std::endl;return false;}outputImage = smoothingFilter->GetOutput();return true;
}

此类与itkRecursiveGaussianImageFilter滤波器相比,它们都是用于对图像进行高斯平滑处理的滤波器,区别在于实现方式。

  • itkRecursiveGaussianImageFilter滤波器是使用递归的方式计算高斯卷积,通过将二维高斯核分解为一维核进行计算,可以有效地减少计算量和内存使用,递归高斯滤波器具有线性计算复杂度,适用于平滑大尺寸图像。

  • itkSmoothingRecursiveGaussianImageFilter滤波器是基于itkRecursiveGaussianImageFilter滤波器进行改进的,主要是在高斯平滑的过程中引入了一个缩放因子,用于控制滤波器的平滑程度,可以灵活地调节滤波器的参数,使得滤波结果更符合需求。

因此,itkSmoothingRecursiveGaussianImageFilter滤波器相对于itkRecursiveGaussianImageFilter滤波器而言,更加灵活,可以得到更多种类的平滑结果。

这篇关于【ITK库学习】使用itk库进行图像滤波ImageFilter:模糊降噪的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/486011

相关文章

Linux换行符的使用方法详解

《Linux换行符的使用方法详解》本文介绍了Linux中常用的换行符LF及其在文件中的表示,展示了如何使用sed命令替换换行符,并列举了与换行符处理相关的Linux命令,通过代码讲解的非常详细,需要的... 目录简介检测文件中的换行符使用 cat -A 查看换行符使用 od -c 检查字符换行符格式转换将

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Elasticsearch 在 Java 中的使用教程

《Elasticsearch在Java中的使用教程》Elasticsearch是一个分布式搜索和分析引擎,基于ApacheLucene构建,能够实现实时数据的存储、搜索、和分析,它广泛应用于全文... 目录1. Elasticsearch 简介2. 环境准备2.1 安装 Elasticsearch2.2 J

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Android中Dialog的使用详解

《Android中Dialog的使用详解》Dialog(对话框)是Android中常用的UI组件,用于临时显示重要信息或获取用户输入,本文给大家介绍Android中Dialog的使用,感兴趣的朋友一起... 目录android中Dialog的使用详解1. 基本Dialog类型1.1 AlertDialog(

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定