Question

我正在处理一些非方形的重建图像，我需要将它们与我的“理想图像”进行比较。事实是，由于重建图像是用不同的方法获得的，图像的“形状”不是恒定的，我需要以某种方式填充那些NaN。

嗯，因为它不容易解释，让我们用一个例子说明：

Orig_image=[ NaN NaN 1 NaN NaN
             NaN 4   2 6   NaN
             6   3   2 2   2
             NaN 3   4 1   NaN
             NaN NaN 5 NaN NaN];

Rec_image=[ NaN NaN  1 NaN NaN
            NaN NaN  2  3  NaN
            6    3   2  2    2
            NaN  3   2  1   NaN
            NaN  NaN 5 NaN NaN];

isnan(Orig_image)~=isnan(Rec_image)

ans=[ 0 0 0 0 0
      0 1 0 0 0
      0 0 0 0 0
      0 0 0 0 0
      0 0 0 0 0]

您可以看到元素（2,2）在Rec_image中是NaN。我想用其邻居的内插值填充NaN，但不知道如何解决问题。

其他信息：我的图像一般是100x100，不匹配的数量是20左右。然而，特定区域中不匹配的NaN可能是“更大”（即4x4平方），因此有些NaN没有任何数字邻居

Answer 1

可能最简单的方法是使用比NaN块大的滤波器内核。如果按通常顺序应用过滤器（只是迭代图像的尺寸），可能无法获得最佳效果。

从讨论开始，创建/应用任意大小的平均滤波器： Mean filter for smoothing images in Matlab

然后我会根据每个非NaN邻居的数量来排序不匹配的NaN。将过滤器应用于每个点，从具有最少NaN邻居点并以具有最多NaN邻居点的那些点开始。

当然，您可能需要除了均值滤波器之外的其他内容。使用适合您数据的过滤器内核（例如插补良好的内容）。

Answer 2

正如MATLAB: Using interpolation to replace missing values (NaN)中所建议的，在matlabcentral上有一个名为inpaint_nans的工具，它通过插值替换1维或2维矩阵中的纳米元素

在非方形区域填充NaN

2 个答案: