matlab练习程序(自适应中值滤波RAMF)
中值滤波是很经典的算法了。今天看论文又知道还有一种叫自适应中值滤波的算法RAMF。原论文在这里。
RAMF主要通过以下两步来处理图像。
1.首先确定最大的滤波半径,然后用一个合适的半径r对图像进行滤波。计算当前滤波半径像素灰度的Imin,Imax,Imed,然后判断Imed是否在[Imin,Imax]中间,如果在则向下进行,否则扩大当前半径r继续滤波直到r等于最大滤波半径。
2.如果当前处理的像素img(i,j)在[Imin,Imax]之间,则输出当前像素,否则输出当前滤波半径中值像素Imed。
看下效果吧:
噪声图像:
RAMF算法:
普通3*3中值滤波:
matlab代码如下:
clear all; close all; clc; img=mat2gray(imread('lena.jpg')); [m n]=size(img); img=imnoise(img,'salt & pepper',0.1); %加入椒盐噪声 imshow(img,[]); Nmax=10; %确定最大的滤波半径 %下面是边界扩展,图像上下左右各增加Nmax像素。 imgn=zeros(m+2*Nmax+1,n+2*Nmax+1); imgn(Nmax+1:m+Nmax,Nmax+1:n+Nmax)=img; imgn(1:Nmax,Nmax+1:n+Nmax)=img(1:Nmax,1:n); %扩展上边界 imgn(1:m+Nmax,n+Nmax+1:n+2*Nmax+1)=imgn(1:m+Nmax,n:n+Nmax); %扩展右边界 imgn(m+Nmax+1:m+2*Nmax+1,Nmax+1:n+2*Nmax+1)=imgn(m:m+Nmax,Nmax+1:n+2*Nmax+1); %扩展下边界 imgn(1:m+2*Nmax+1,1:Nmax)=imgn(1:m+2*Nmax+1,Nmax+1:2*Nmax); %扩展左边界 re=imgn; for i=Nmax+1:m+Nmax for j=Nmax+1:n+Nmax r=1; %初始滤波半径 while r~=Nmax W=imgn(i-r:i+r,j-r:j+r); W=sort(W); Imin=min(W(:)); Imax=max(W(:)); Imed=W(uint8((2*r+1)^2/2)); if Imin<Imed && Imed<Imax %如果当前邻域中值不是噪声点,那么就用此次的邻域 break; else r=r+1; %否则扩大窗口,继续判断 end end if Imin<imgn(i,j) && imgn(i,j)<Imax %如果当前这个像素不是噪声,原值输出 re(i,j)=imgn(i,j); else %否则输出邻域中值 re(i,j)=Imed; end end end figure; imshow(re(Nmax+1:m+Nmax,Nmax+1:n+Nmax),[]);