这是一个更普遍的问题，但是，无论我多少次读过MATLAB的im2col函数的描述，我都无法完全理解它。我需要它来提高计算效率，因为MATLAB对嵌套for循环很糟糕。这是我正在尝试做的事情，但使用嵌套for循环：
[TRIMMED]=TM_FILTER(IMAGE, FILTER_SIZE, PERCENT)
Takes a 2-D array and returns the array, filtered with a
square trimed mean filter with length/width equal to FILTER_SIZE and percent equal to PERCENT.
%}
function [trimmed]=tm_filter(image, filter_size, percent)
if rem(filter_size, 2)==0 %make sure filter has a center pixel
error('filter size must be odd numbered'); %error and return if number is odd
return
end
if percent > 100 || percent < 0
error('Percentage must be ? [0, 100]');
return
end
[rows, columns]=size(image); %figure out pixels needed
n=(filter_size-1)/2; %n is pixel distance from center pixel to boundaries
padded=(padarray(image, [n,n],128)); %padding on boundaries so center pixel always has neighborhood
for i=1+n:rows %rows from first non-padded entry to last nonpadded entry
for j=1+n:columns %colums from first non-padded entry to last nonpadded entry
subimage=padded(i-n:i+n,j-n:j+n); %neighborhood same size as filter
average=trimmean(trimmean(subimage, percent), percent); %computes trimmed mean of neighborhood as trimmed mean of vector of trimmed means
trimmed(i-n, j-n)=average; %stores averaged pixel in new array
end
end
trimmed=uint8(trimmed); %converts image to gray levels from 0-255
答案 0 :(得分：3)
以下是您想要的代码：请注意整个嵌套循环已替换为单个语句。
[TRIMMED]=TM_FILTER(IMAGE, FILTER_SIZE, PERCENT)
Takes a 2-D array and returns the array, filtered with a
square trimed mean filter with length/width equal to FILTER_SIZE and percent equal to PERCENT.
%}
function [trimmed]=tm_filter(image, filter_size, percent)
if rem(filter_size, 2)==0 %make sure filter has a center pixel
error('filter size must be odd numbered'); %error and return if number is odd
return
end
if percent > 100 || percent < 0
error('Percentage must be ? [0, 100]');
return
end
trimmed = (uint8)trimmean(im2col(image, filter_size), percent);
说明：
im2col函数将filter_size的每个区域转换为一列。然后，您的trimmean函数可以在单个操作中对每个区域（列）进行操作 - 比依次提取每个形状更有效。另请注意，这只需要trimmean的单个应用程序 - 在您的原始文件中，您首先在列上执行，然后再在行上执行，这实际上会导致比我想要的更严重的修剪（首先排除50％）时间，然后再50％ - 感觉就像排除75％。不完全正确，但你得到我的观点）。您还会发现更改操作的顺序（行，然后列与列，然后是行）将更改结果，因为过滤器是非线性的。
例如
im = reshape(1:9, [3 3]);
disp(im2col(im,[2 2])
结果
1 2 4 5
2 3 5 6
4 5 7 8
5 6 8 9
因为你从这个矩阵中取出了4个可能的2x2块中的每一个：
1 4 7
2 5 8
3 6 9
并将其转换为列
注意 - 使用此技术（应用于未填充的图像），您会在边缘丢失一些像素;你的方法添加了一些填充，这样每个像素（甚至是边缘上的像素）都有一个完整的邻域，因此过滤器会返回一个与原始像素大小相同的图像（但是不清楚填充/过滤的效果是什么靠近边缘，特别是角落：你有近75％的像素固定在128，这可能会主导角落里的行为。）
答案 1 :(得分：2)
为什么im2col？为什么不nlfilter？
>> trimmed = nlfilter( image, [filter_size filter_size],...
@(x) treimmean( trimmean(x, percent), percent ) );
您确定要处理整个图像吗？
i和j分别只有rows和columns。但是，当您更新trimmed时，您可以访问i-n和j-n。最后n行和列怎么样？
为什么每个块都应用trimmean两次？是否更适合一次处理块，如trimmean( x(:), percent)？
我相信trimmean( trimmean(x, percent), percent)的结果与<{1}}的结果相比不同。你有没有想过？