Question

我编写了使用3x3平均滤波器来平滑图像的代码，但输出很奇怪，几乎都是黑色。这是我的代码。

function [filtered_img] = average_filter(noisy_img)
    [m,n] = size(noisy_img);
    filtered_img = zeros(m,n);
    for i = 1:m-2
        for j = 1:n-2
            sum = 0;
            for k = i:i+2
                for l = j:j+2
                    sum = sum+noisy_img(k,l);
                end
            end
            filtered_img(i+1,j+1) = sum/9.0;
        end
    end
end

我按如下方式调用该函数：

img=imread('img.bmp');
filtered = average_filter(img);
imshow(uint8(filtered));

到目前为止，我在代码逻辑中看不到任何错误，如果有人能发现问题，我会很感激。

Answer 1

假设你正在使用灰度图像，你应该用以下内容替换内部的两个for循环：

filtered_img(i+1,j+1) = mean2(noisy_img(i:i+2,j:j+2));

它会改变什么吗？

编辑：别忘了将它重新转换为uint8 !!

filtered_img = uint8(filtered_img);

编辑2：它在代码中不起作用的原因是因为sum在55处饱和，这是uint8的上限。 mean似乎阻止了这种情况的发生

Answer 2

另一种选择：

 f = @(x) mean(x(:));
 filtered_img = nlfilter(noisy_img,[3 3],f);

Answer 3

img = imread('img.bmp');
filtered = imfilter(double(img), ones(3) / 9, 'replicate');
imshow(uint8(filtered));

Answer 4

切向问题：

特别是对于5x5或更大的窗口，您可以考虑先在一个方向上进行平均，然后在另一个方向进行平均，然后保存一些操作。因此，3点将是（P1 + P2 + P3 + P4 + P5）。 4点的点是（P2 + P3 + P4 + P5 + P6）。最后除以5。因此，4点可以计算为P3new + P6-P2。对于第5点等等。在其他方向重复相同的步骤。确保先划分，然后求和。

我需要时间，但我相信它对于更大的窗口可以更快一点。它是每行顺序，可能看起来不是最好的，但你有很多行可以并行工作，所以它应该不是问题。

这个第一个除法，然后总和也可以防止饱和，如果你有整数，所以你甚至可以在3x3的情况下使用这种方法，因为它比错误（虽然更慢）两次除以3而不是一次除以9。但请注意你总是会低估最终价值，所以你不妨添加一些偏见（比如说步骤之间的所有值+1）。

3x3 matlab中的平均过滤器

4 个答案: