spur_depth.zip

  • 吴小钩
    了解作者
  • matlab
    开发工具
  • 1.1MB
    文件大小
  • zip
    文件格式
  • 0
    收藏次数
  • 1 积分
    下载积分
  • 2
    下载次数
  • 2015-12-02 00:27
    上传日期
高阶统计量和小波变换分别求模糊聚焦前景。并按高度深度线索分配深度。
spur_depth.zip
  • spur_depth
  • t200_color_200_140.jpg
    5KB
  • highdepth.m
    327B
  • yanmi_gray.tif
    22.6KB
  • focus.mat
    42.4KB
  • texture_test.m
    170B
  • reconstruct_test2.m
    414B
  • spur_girl_final.tif
    10.7KB
  • spur_girl_post.m
    687B
  • moment_test.m
    917B
  • spur_girl_final.mat
    1.8KB
  • wavelet_high_freq.m
    638B
  • sobel8_grad.m
    2.1KB
  • resizegirl.jpg
    22KB
  • reconstruct_test3.m
    332B
  • resizegirl_gray.jpg
    9.6KB
  • postprocss.m
    119B
  • titanic_small (2).jpg
    38.9KB
  • titanic_small (3).jpg
    42.4KB
  • spur_girl_test.tif
    14.7KB
  • Fig0925(a)(dowels).tif
    350.7KB
  • hos.mat
    90.9KB
  • yangmi.tif
    60.5KB
  • yanmi_color.tif
    68.3KB
  • texture6.m
    557B
  • image_moment.m
    357B
  • reconstruct_test.m
    478B
  • wavelet_test.m
    279B
  • bw.mat
    1.1KB
  • titanic_small (5).jpg
    36.8KB
  • titanic_small (4).jpg
    34.5KB
  • titanic_small (1).jpg
    37.2KB
  • spur_girl_final2.tif
    9.2KB
  • yangmi.jpg
    240.9KB
  • girl_bw.mat
    6.6KB
  • yanmi_test.tif
    68.3KB
  • t200_gray_200_140.jpg
    4KB
内容介绍
function [bw g g_t L]=sobel8_grad(f) %函数sobel8_grad的结果L为清晰度评价值,即为边缘像素的梯度平方的和 %采用sobel算子八方向模板 f=double(f); [m,n]=size(f); bw= padarray(f,[2 2],0,'both'); clear f; f=bw; % U_mean=mean(mean(f)); % var=zeros(m,n); % for x=1:m+4 % for y=1:n+4 % var(x,y)=(f(x,y)-U_mean)^2; % end % end % var=sum(sum(var)); % TN=sqrt(var/(m*n));%阈值门限 g=zeros(m+4,n+4);%梯度图 g_t=zeros(m+4,n+4);%用阀值截取之后的梯度图 for i=3:m+2 %i代表行 for j=3:n+2 %j代表列 H1=(f(i+1,j-2)+2*f(i+1,j-1)+4*f(i+1,j))+2*(f(i+1,j+1)+f(i+1,j+2)-f(i-1,j-2)-2*f(i-1,j-1)-4*f(i-1,j)-2*f(i-1,j+1)-f(i-1,j+2)); H2=(2*f(i+1,j-1)+4*f(i+1,j)+2*f(i+1,j+1)+4*f(i,j+1)+f(i,j+2)-f(i,j-2)-4*f(i,j-1)-2*f(i-1,j-1)-4*f(i-1,j)-2*f(i-1,j+1)); H3=(f(i+2,j-1)+4*f(i+1,j)+2*f(i+1,j+1)+4*f(i,j+1)+f(i-1,j+2)-f(i+1,j-2)-4*f(i,j-1)-2*f(i-1,j-1)-4*f(i-1,j)-f(i-2,j+1)); H4=(f(i+2,j)+4*f(i+1,j)+2*f(i+1,j+1)+4*f(i,j+1)+2*f(i-1,j+1)-f(i-2,j)-4*f(i-1,j)-2*f(i-1,j-1)-4*f(i,j-1)-f(i+1,j-1)); H5=(f(i-2,j+1)+2*f(i-1,j+1)+4*f(i,j+1)+2*f(i+1,j+1)+f(i+2,j+1)-f(i-2,j-1)-2*f(i-1,j-1)-4*f(i,j-1)-2*f(i+1,j-1)-f(i+2,j-1)); H6=(f(i-2,j)+4*f(i-1,j)+2*f(i-1,j+1)+4*f(i,j+1)+2*f(i+1,j+1)-2*f(i-1,j-1)-4*f(i,j-1)-2*f(i+1,j-1)-4*f(i+1,j)-f(i+2,j)); H7=(f(i-2,j-1)+4*f(i-1,j)+2*f(i-1,j+1)+4*f(i,j+1)+f(i+1,j+2)-f(i-1,j-2)-f(i-1,j-2)-4*f(i,j-1)-2*f(i+1,j-1)-4*f(i+1,j)-f(i+2,j+1)); H8=(2*f(i-1,j-1)+4*f(i-1,j)+2*f(i-1,j+1)+4*f(i,j+1)+f(i,j+1)-f(i,j-2)-4*f(i,j-1)-2*f(i+1,j-1)-4*f(i+1,j)-2*f(i+1,j+1));%提取8个方向上的边缘成分 g(i,j)=sqrt(H1^2+H2^2+H3^2+H4^2+H5^2+H6^2+H7^2+H8^2);%计算像素点的梯度值平方,并开平方 end end g=gscale(g,'minmax',0,1); [TN ~]=graythresh(g); for i=3:m+2 %i代表行 for j=3:n+2 %j代表列 if g(i,j)>TN %梯度值大于阈值,则该点f(i,j)为边缘点,把3*3窗口中央像素灰度值用255代替。0~255即从黑到白 bw(i,j)=1; g_t(i,j)=g(i,j); else bw(i,j)=0; g_t(i,j)=0; end end end L=sum(sum(g_t));%得出评价函数L的值,所有边缘像素的梯度平方的和
评论
    相关推荐