自适应中值滤波器和自适应局部（均值）滤波器的设计 python+matlab各实现

要求是：自适应中值滤波器和自适应均值滤波器的设计，分别使用python和matlab去实现

一.原理

1.自适应中值滤波器

2.自适应局部滤波器，也叫自适应均值滤波器

二.设计流程

1.自适应中值滤波器
①生成椒盐噪声
利用rand()函数生成[0,1]的随机数，将随机数作逻辑判断，小于n值（n为椒盐密度）的为逻辑1，其余为逻辑0，再将这些逻辑值通过逻辑与、非等操作赋予像素点0或255值，得到椒盐噪声。

②设计中值滤波
中值滤波器的设计过程为：取出当前n*n阶滤波器对应的像素点，对其中像素作排序，取出中位数，赋予当前的中间位置像素点，放至结果矩阵中，输出。

③设计自适应中值滤波器
设计过程：以整个矩阵为整体进行操作。取出当前的n阶像素点，取出中位数、最小值、最大值并存储到新矩阵。将这三个新矩阵进行自适应中值滤波器的A、B过程的比较，并按照要求将符合的结果放至结果矩阵中，输出。

2.自适应局部滤波器
①生成高斯噪声
按照上次作业的原理设计出高斯噪声，并添加到原图像中。

②设计均值滤波器
设计过程为：取出当前n*n阶滤波器对应的像素点，求其均值，并将结果放至结果矩阵中，输出。

③设计自适应均值滤波器
设计过程为：求噪声方差；以矩阵为整体运算，求出n阶滤波器对应的像素点像素的均值，方差；将局部方差与噪声方差进行比较，按照规则计算新的像素，并存在结果矩阵中，输出。

三.MATLAB代码

①自适应中值滤波器，对灰度图像进行处理

%自适应中值滤波器，对灰度图像进行处理
function output=adp_median(image,nmin,nmax)
%输入为：image原图像，nmin滤波器的最小阶数，nmax滤波器的最大阶数
%image=rgb2gray(image); %灰度图像
%image=imnoise(image,'salt & pepper',0.5);
[h,w,~]=size(image);
imaged=double(image);
imagedd=imaged;
imagemid=imaged;
imagemin=imaged;
imagemax=imaged;
for k=nmin:2:nmax
    for i=1:h-k+1
        for j=1:w-k+1
             pattern=imaged(i:i+k-1,j:j+k-1);   %取出n*n的像素点值
             patterns=reshape(pattern,1,length(pattern(:)));  %将n*n矩阵转换为行向量
             middle=median(patterns); %对行向量取中位数
             mini=min(patterns); %对行向量取最小值
             maxi=max(patterns);%对行向量取最大值
             imagemid(i+(k-1)/2,j+(k-1)/2)=middle;
             imagemin(i+(k-1)/2,j+(k-1)/2)=mini;
             imagemax(i+(k-1)/2,j+(k-1)/2)=maxi;
        end
    end
    pa=(imagemax>imagemid)&(imagemid>imagemin);%A步骤的判断（对整个矩阵判断）
    pb=(image>imagemin)&(imagemax>image);%B步骤的判断
    zxy=pa&pb; %满足A,B条件的记在zxy位置
    zmed=pa&~pb;%满足A条件，不满足B条件的记在zmed位置
    imagedd(zxy)=image(zxy);%输出zxy
    imagedd(zmed)=imagemid(zmed);%输出zmed
    if k==nmax  %超过最大窗口尺寸的，输出zmed
        zmedd=~pa;
        imagedd(zmedd)=imagemid(zmedd);
    end
end
imagedd=uint8(imagedd); %转换为图片格式
output=imagedd;%输出
End

②自适应中值滤波器，对彩图进行处理

%自编写自适应中值滤波器处理三通道彩色图像
function output=adpmedian(image,nmin,nmax)
[h,w,~]=size(image);
imaged=double(image);
imaged1=imaged(:,:,1);
imaged2=imaged(:,:,2);
imaged3=imaged(:,:,3);
imagedd=imaged;
imagedd1=imaged(:,:,1);
imagedd2=imaged(:,:,2);
imagedd3=imaged(:,:,3);
imagemid=imaged;
imagemid1=imaged(:,:,1);
imagemid2=imaged(:,:,2);
imagemid3=imaged(:,:,3);
imagemin=imaged;
imagemin1=imaged(:,:,1);
imagemin2=imaged(:,:,2);
imagemin3=imaged(:,:,3);
imagemax=imaged;
imagemax1=imaged(:,:,1);
imagemax2=imaged(:,:,2);
imagemax3=imaged(:,:,3);
alreadyProcessed1=false(size(imaged1));
alreadyProcessed2=false(size(imaged2));
alreadyProcessed3=false(size(imaged3));
 
for k=nmin:2:nmax
    for i=1:h-k+1
        for j=1:w-k+1
             pattern1=imaged1(i:i+k-1,j:j+k-1);   %取出n*n的像素点值
             pattern2=imaged2