1、线性空间滤波
imfilter函数的应用:
g=imfilter(f,w,filtering_mode,boundary_options,size)
f是输入图像,w是模板,滤波模式有‘corr’相关和‘conv’卷积两种,卷积其实就是将模板进行中心旋转180度之后再相关运算。size有‘full’和填充之后的输入矩阵相同大小,‘same’和填充之前的相同大小。
函数rot90可以旋转运算。
imfilter会输出与输入图像相同的类型图像,如果使用uint8类型,运算过程中超过255的灰度将会被截断,都成了255,可以输入时就转变图像类型,如double,但是最后滤波出来的图像矩阵比一定能直接显示,因为可能灰度值已经超过【0,1】,需要再映射回去。在显示的时候可以直接用imshow(g,[]),[]的作用就可以起到映射作用。
clc
clear
f=imread('E:\桌面\数字图像matlab\CH01\charpt2_18.tif');
f=mat2gray(f);
w=ones(31);
g=imfilter(f,w,'replicate');
imshow(g,[])
g1=g/961;%进行归一化
figure,imshow(g1)
2、非线性滤波
线性滤波涉及到模板和图像矩阵对应相乘(线性操作),所以是线性滤波,非线性滤波是对邻域内的像素执行非线性的操作,比如取最大最小等。
主要应用函数是colfilt
滤波之前需要对图像进行填充,:
fp=padarray(f,[r c],method,direction)
在某个direction按照某种method方法填充r行,c列,默认‘both’
g=colfilt(f,[m n],'sliding',fun)
[m n]是滤波器模板的维数,fun是一个函数,把滤波器大小的元素排成一列,滑动像素,构成矩阵A,然后对A的每一列进行fun操作。如果【m,n】是奇数,比如[3,3]则模板中心与图像像素(i,j)重合时,模板与图像重合部分算作(i,j)的邻域,超出部分补0。如果是偶数,如[4,4],则(2,2)位置为模板中心。
举个例子
f=[1 2;3 4];
gmean=@(A) prod(A,1)/size(A,1);
g1=padarray(f,[3 2],'replicate');
g2=colfilt(g1,[2 2],'sliding',gmean);
上面例子中,colfilt其实是让2*2这个邻域内的所有元素相乘然后再除2*2。