在Matlab中使用3x3掩码的中值滤波器二进制图像

2 回答

• 2

  简短的回答是您可以使用nlfilter，您可以在其中指定图像中像素邻域的操作 . 具体来说，你会像这样调用 nlfilter ：

  B = nlfilter(A, [m n], fun);
  

  A 将是一个图像， [m n] 将指定您正在考虑的像素邻域的大小（ m x n ）， fun 是应用于每个邻域的函数 . 输入是 m x n 补丁，输出应该是单个值 . 假设 mask 是 logical ，并且您的图像存储在 im 中，您所要做的就是：

  out = nlfilter(im, size(mask), @(x) median(x(mask)));
  

  x(mask) 访问在邻域内有效的那些位置，然后您将 median 应用于这些值以检索有效位置上每个邻域的中值 .

  但是， nlfilter 已知很慢 . 我建议你看看我的帖子：Matlab Median Filter Code .

  这可以非常快速地从第一原理计算 median 过滤器 . 我会留给你阅读帖子，了解我做了什么 . 但是，为了您的目的而修改它的方法是删除 im2col 输出中与掩码中的无效值相对应的那些行 . 因此，做这样的事情：

  N = size(mask,1); %// Size of mask - Assume that # of rows = # of columns
  im_pad = padarray(im, [floor(N/2) floor(N/2)]);
  im_col = im2col(im_pad, [N N], 'sliding');
  
  %// Get locations in mask that don't count towards getting median
  invalid_rows = ~(mask(:));
  
  %// Remove from column neighbourhood matrix
  im_col(invalid_rows,:) = [];
  
  %// Determine new median index
  val = floor((N*N - sum(invalid_rows))/2) + 1;
  
  %// apply algorithm as normal
  sorted_cols = sort(im_col, 1, 'ascend');
  med_vector = sorted_cols(val, :);
  out = col2im(med_vector, [N N], size(im_pad), 'sliding');
  

  invalid_rows 将掩码展开为单个列，就像 im2col 为每个像素邻域所做的那样，然后我们反转掩码以确定那些不应计入最终中位数的位置 . 此外， val 确定从我们开始删除未分析的邻域中的像素时我们需要获得中值的 new 索引 .

  ---

  如果输入是二进制图像，那么eigenchris对你的回答应该非常快，并且比我写的要快得多 . 但是，如果将其应用于灰度图像，那么我所写的内容将起作用 . 这适用于二进制和灰度图像 .

  回复于 2024-05-01T06:55:57+08:00
• 1

  如果您只处理二进制图像，则可以通过使用 conv2() 函数执行卷积来解决此问题 .

  逻辑是，由于掩码中有7个有效像素，如果卷积结果中的像素值大于或等于4，我们知道中位数是 1 . 否则中位数必须为 0 .

  通常，如果掩码中有有效像素，我们可以通过舍入卷积矩阵的结果除以 n 来获得掩码中值 .

  n = sum(sum(mask));                 % number of valid pixels in the mask
  maskFlipped = fliplr(flipud(mask)); % flip mask so it faces the right way
  convResult = conv2(binary_image,maskFlipped,'same');
  maskedMedianFilterResult = round(convResult/n);
  

  回复于 2024-05-01T06:55:57+08:00