matlab练习程序（图像滤波时的边界处理2）

　　我真是弱爆了，我原来以为边界处理用我上一篇的方法就能很好的处理了，结果效果并不好。我只是和标准的imfilter函数进行了比较，其实imfilter函数还有一些参数我没用上，比如‘replicate’,'symmetric'等，如果加上这些参数，我的效果就比不上matlab的效果了，所以这次不用上一篇的方法了，就用边界扩展好了。

　　边界扩展是把原图的四周都加上r个像素，并且把这r个像素的值用原图最外围的r个像素来替代，然后再对新图像滤波，取原图的大小就行了。这种方法虽然在时间与空间复杂度上比我上一篇方法稍高，不过效果的确很好，代码也很简洁。

clear all;
close all;
clc;
r=20;
w=fspecial('average',[2*r+1 2*r+1]);

img=imread('lena.jpg');
img=mat2gray(img);
[m n]=size(img);
imshow(img);

imgn=zeros(m+2*r+1,n+2*r+1);
imgn(r+1:m+r,r+1:n+r)=img;

imgn(1:r,r+1:n+r)=img(1:r,1:n);                 %扩展上边界
imgn(1:m+r,n+r+1:n+2*r+1)=imgn(1:m+r,n:n+r);    %扩展右边界
imgn(m+r+1:m+2*r+1,r+1:n+2*r+1)=imgn(m:m+r,r+1:n+2*r+1);    %扩展下边界
imgn(1:m+2*r+1,1:r)=imgn(1:m+2*r+1,r+1:2*r);       %扩展左边界


for i=r+1:m+r
    for j=r+1:n+r        
        s=imgn(i-r:i+r,j-r:j+r).*w;
        imgn(i,j)=sum(sum(s))/sum(sum(w));
    
    end
end
figure;
imshow(mat2gray(imgn(r+1:m+r,r+1:n+r)));

figure;
img=imfilter(img,w,'replicate');
imshow(mat2gray(img))

下面是处理后的效果，可以看出相比上一篇中图像这里四周的黑色已经没有了。虽然后面两幅有些不同，不过那只是边界扩展时用的方法不同而已，用不同的方法扩展边界肯定会有不同的效果哦。

原图

自己的方法滤波

直接调用系统函数滤波