我有一个处理大量2d灰度图像的程序，目前在处理每个图像时多次使用imgaussfilt（）（Matlab 2015b）。就运行时而言，这被证明是非常昂贵的。我有一些较大的sigma值的例子似乎更昂贵（即imgaussfilt（图像，[1,40]）... imgaussfilt（image，[10,15]））。
有谁知道高斯平滑的更快版本/方法？
我尝试过使用FFT / IFFT方法，但这似乎比原生MATLAB imgaussfilt（）功能要长得多。
还尝试在X和Y维度上连续运行高斯平滑，但这比原生的imgaussfilt（）功能稍长。
不同的平滑方法也可以正常工作，有没有其他方法快得多？ （尝试过imboxfilt（）......只是稍微快一点而且不太好。）
提前致谢
答案 0 :(得分：1)
从您的描述中可以看出，您使用的是高度各向异性的滤波器，这里[1,40]或[10,15]。如果确实如此，那么每个过滤器都与另一个过滤器无关，我建议使用积分图像来进行图像平均。相关的matlab函数是完整的图像和完整的过滤器。这不是高斯平滑，而是盒式滤波器。但是，一旦针对输入图像计算，积分图像可以重复用于许多不同的滤波，并且滤波效果的强度与内核大小（！）无关，这可能不是imgaussfilter的情况。但是，也许你应该注意图像边界的效果。
答案 1 :(得分：0)
我能想到的最便宜的平滑方法之一就是简单地取相邻像素的平均值：
A(i,j) = (A(i-1,j) + A(i+1,j) + A(i,j-1) + A(i,j+1) + w*A(i,j))/(4+w);
其中w=4是您选择的一些加权因子。您可以使用circshift移动数组：
A(i-1,j) = circshift(A(i,j), [1 0]);
因此假设您将所有N个图像存储在数组A(x,y,N)中，完整的Matlab命令为：
A = (w*A + circshift(A, [-1 0 0]) + circshift(A, [1 0 0]) + circshift(A, [0 -1 0]) + circshift(A, [0 1 0]))/(4+w);