matlab中imnoise2函数,Matlab实现medfilt2函数功能
算法分析
对原图像矩阵边界填充(填充的行列根据滤波器模板大小来设置)，这里使用3*3的模板，所以向外扩充一圈，行和列增加2，这里使用的是复制边界的填充方式'replicate'(直接调用的padarray函数)，也可以直接通过矩阵赋值的方法实现边界填充
遍历原图像每个通道的每个像素点，取扩充边界后图像中滤波器大小的像素点个数，求得中值，将中值赋给当前遍历的像素点
输出图像的大小是新开辟的和原图像大小相等的矩阵，求得的中值应该赋值给新矩阵中每个元素
function outputimg = mymedfilt2(A)
% 利用中值滤波去噪
% 参数A是加噪的图像矩阵
% outputimg是输出中值滤波后的图像
[H,W,CH] = size(A);
N = 3; %设置中值滤波器的大小为3*3
M = zeros(H+2,W+2,CH);
%对彩色图的每一个通道都进行边界填充
for i = 1 : CH
%直接调用padarray，在原图的每一维度的第一个元素和最后一个元素后，以复制边界的方式进行填充
M(:,:,i) = padarray(A(:,:,i),[1,1],'replicate');
end
%矩阵赋值法，复制边界型填充
% M(2:height+1,2:width+1) = A(1:height,1:width);%原矩阵直接复制到新矩阵中心
% %使用直接复制最边界的层
% M(1,2:width+1) = A(1,:); %将M的第一行
% M(height + 2,2:width+1) = A(height,:); %M的最后一行
% M(2:height+1,1) = A(:,1); %M的第一列
% M(2:height+1,width+2) = A(:,width); %M的最后一列
outputimg = zeros(H,W,CH);
for k = 1 : CH
for i = 1 : H
for j = 1 : W
c = M(i:i + (N-1),j:j + (N-1),k); %在C中从头取模板大小的块赋给c
e = c(1,:); %e中存放是c矩阵的第一行
for u = 2:N % 将c中的其他行元素取出来接在e后使e为一个行矩阵
e = [e,c(u,:)];
end
med = median(e); %n*n这几个像素点的中值
outputimg(i,j,k) = med; %将模板各元素的中值赋给模板中心位置的元素
end
end
end
outputimg = uint8(outputimg);
end
实验结果
% 调用示例：
I = imread('cameraman.tif');
M = imnoise(I,'salt & pepper');
B = mymedfilt2(I);
subplot(1,2,1),imshow(M),title('加椒盐噪声');
subplot(1,2,2),imshow(B),title('中值滤波');
% 调用示例：
I = imread('cameraman.tif');
M = imnoise(I,'gaussian',0,0.02);
B = mymedfilt2(M);
subplot(1,2,1),imshow(M),title('加高斯噪声');
subplot(1,2,2),imshow(B),title('中值滤波');
实验分析
由实验结果可见，中值滤波是一个非线性滤波。它对椒盐噪声这类随机出现的噪点有比较好的平滑效果，但对于线性的噪声(如高斯噪声)效果不佳
如下图，使用Matlab自带的中值滤波函数medfilt2，生成的图像的四个边缘会有黑点,原因是直接调用，默认是边界0填充，当加入椒盐噪声时，会因求得的中值还是0，而得到黑点
B = medfilt2(M);
解决办法，增加参数PADOPT控制边界填充的方式，如果PADOPT为' 0 '，则填充边界处都是0。如果PADOPT是‘symmetric’，则是对称地在边界上扩展的。如果PADOPT为'indexed'，如果A是双值，则用1填充;否则它被0填充
B = medfilt2(M,[3,3],'symmetric');
标签：边界,填充,滤波,medfilt2,矩阵,height,width,Matlab,函数
来源： https://www.cnblogs.com/Vicky1361/p/13936321.html