MATLAB:Filter Laplacian of Gaussian untuk Deteksi Tepi

Filter Gaussian adalah filter linier yang digunakan dalam pemrosesan gambar untuk mengaburkan atau menghaluskan gambar. Namanya diambil dari fungsi Gaussian, yang digunakan untuk menentukan bentuk filter. Filter Gaussian biasanya digunakan untuk mengurangi noise dan detail pada gambar, sehingga lebih cocok untuk pemrosesan atau analisis lebih lanjut.

Filter Laplacian of Gaussian (LoG) adalah filter peningkatan gambar dan deteksi tepi yang populer digunakan dalam pemrosesan gambar. Ini adalah kombinasi dari dua filter:filter Gaussian dan filter Laplacian. Filter Gaussian digunakan untuk menghaluskan gambar dan mengurangi noise, sedangkan filter Laplacian digunakan untuk mendeteksi tepi.

Filter Laplacian of Gaussian berguna untuk mendeteksi tepi pada skala berbeda dalam suatu gambar. Dengan memvariasikan deviasi standar filter Gaussian, Anda dapat mengontrol skala deteksi tepi. Deviasi standar yang lebih kecil mendeteksi detail yang lebih halus, sedangkan deviasi standar yang lebih besar mendeteksi fitur yang lebih luas.

Mari kita lihat beberapa contoh laplacian filter gaussian.

Contoh 1:Menggunakan Fungsi fspecial()

Fungsi fspecial() digunakan untuk membuat filter Gaussian, dan kemudian Laplacian Gaussian ini dihitung untuk membuat filter LoG. Namun, filter Laplacian mengharapkan filter Gaussian bertipe ganda.

Kode yang kami miliki adalah −

% Read the image
img = imread('peppers.jpg');
% Convert the image to grayscale
if size(img, 3) == 3
 img_gray = rgb2gray(img);
else
 img_gray = img;
end
% Create a Gaussian filter
sigma = 2; % Standard deviation of the Gaussian filter
hsize = 2 * ceil(3 * sigma) + 1; % Filter size
gaussian_filter = fspecial('gaussian', hsize, sigma);
% Create a Laplacian of Gaussian filter
log_filter = fspecial('log', hsize, sigma);
% Apply the LoG filter to the image
filtered_img = imfilter(double(img_gray), log_filter, 'conv', 'replicate');
% Display the original and filtered images
subplot(1, 2, 1);
imshow(img_gray);
title('Original Image');
subplot(1, 2, 2);
imshow(uint8(filtered_img));
title('Laplacian of Gaussian Filtered Image');

Mari kita pahami kodenya secara detail −

img = imread('peppers.jpg');

Di sini ia membaca gambar 'peppers.jpg' dari direktori saat ini dan menyimpannya dalam variabel img.

if size(img, 3) == 3
 img_gray = rgb2gray(img);
else
 img_gray = img;
end

Jika gambar berwarna (format RGB), gambar diubah menjadi skala abu-abu menggunakan fungsi rgb2gray. Gambar skala abu-abu disimpan dalam variabel img_gray. Jika gambar sudah dalam skala abu-abu, gambar akan disimpan apa adanya.

sigma = 2; % Standard deviation of the Gaussian filter
hsize = 2 * ceil(3 * sigma) + 1; % Filter size
gaussian_filter = fspecial('gaussian', hsize, sigma);

Kode di atas membuat filter gaussian. Di sini, kita mendefinisikan sigma deviasi standar dari filter Gaussian dan menghitung ukuran filter hsize berdasarkan deviasi standar. Kami kemudian membuat filter Gaussian menggunakan fungsi fspecial dengan 'gaussian' sebagai tipe filter.

log_filter = fspecial('log', hsize, sigma);

Kami membuat filter Laplacian of Gaussian menggunakan fungsi fspecial dengan 'log' sebagai tipe filter. Filter ini mewakili Laplacian dari filter Gaussian, yang digunakan untuk deteksi tepi.

filtered_img = imfilter(double(img_gray), log_filter, 'conv', 'replicate');

Di sini filter Laplacian of Gaussian ke gambar skala abu-abu img_gray menggunakan fungsi imfilter. Opsi 'konv' menentukan bahwa filter harus diterapkan menggunakan konvolusi, dan opsi 'replikasi' menentukan cara penanganan batas gambar selama pemfilteran.

subplot(1, 2, 1);
imshow(img_gray);
title('Original Image');
subplot(1, 2, 2);
imshow(uint8(filtered_img));
title('Laplacian of Gaussian Filtered Image');

Terakhir, kami menampilkan gambar skala abu-abu asli dan gambar yang difilter secara berdampingan menggunakan fungsi subplot, imshow, dan title. Gambar yang difilter diubah ke format uint8 sebelum ditampilkan.

Ketika kode dijalankan, output yang kita dapatkan adalah sebagai berikut −

Contoh 2:Pemfilteran Gambar dengan Filter Laplacian dan LoG

Contoh ini menunjukkan penerapan dua filter berbeda, filter Laplacian dan filter Laplacian of Gaussian (LoG), pada gambar masukan 'peppers.jpg'

Kode yang kami miliki adalah −

x=imread('peppers.jpg');
figure;
imshow(x);
title('Input Image');
figure;
h=fspecial('laplacian');
filtered_image=imfilter(x,h);
imshow(filtered_image);
title('Output of Laplacian Filter');
figure;
h=fspecial('log');
filtered_image=imfilter(x,h);
imshow(filtered_image);
title('Laplacian Gaussian Filter');

Dalam contoh di atas−

x = imread('peppers.jpg');
figure;
imshow(x);
title('Input Image');

Kode ini membaca gambar 'peppers.jpg' dan menampilkannya menggunakan fungsi imshow. Fungsi title menambahkan judul pada gambar gambar.

h = fspecial('laplacian');
filtered_image = imfilter(x, h);

Di sini, filter Laplacian dibuat menggunakan fungsi fspecial dengan 'laplacian' sebagai tipe filternya. Fungsi imfilter kemudian digunakan untuk menerapkan filter ini ke gambar masukan x, menghasilkan gambar yang difilter filtered_image.

figure;
imshow(filtered_image);
title('Output of Laplacian Filter');

Kode ini menampilkan gambar hasil filter yang diperoleh dari filter Laplacian. Fungsi title menambahkan judul pada gambar gambar.

h = fspecial('log');
filtered_image = imfilter(x, h);

Mirip dengan filter Laplacian, filter LoG dibuat menggunakan fungsi fspecial dengan 'log' sebagai tipe filternya. Fungsi imfilter kemudian digunakan untuk menerapkan filter ini ke gambar masukan x, menghasilkan gambar yang difilter filtered_image.

imshow(filtered_image);
title('Laplacian of Gaussian Filter');

Kode ini menampilkan gambar yang difilter yang diperoleh dari filter LoG. Fungsi title menambahkan judul pada gambar gambar.

Ketika kode dijalankan, output yang kita dapatkan adalah −