K近邻平滑滤波

 

原理：以待处理的像素作为中心，取一个nXn的模板，在模板中选择k个与待处理像素的值最接近的像素，将这k个像素的均值替换原来的像素值。

 

% K近邻平滑滤波

% input - 输入图像矩阵；n - 模板大小（3，5，7...）；k - 近邻数

% output - 滤波处理后的图像矩阵

function output = emuchKNNMeanFilter(input, n, k)

    [row, col] = size(input);

    edgeWidth = floor(n / 2);

    output = zeros(row - edgeWidth * 2, col - edgeWidth * 2);

    for i = 1 + edgeWidth : row - edgeWidth

        for j = 1 + edgeWidth : col - edgeWidth

            mask = input(i - edgeWidth : i + edgeWidth,...

                j - edgeWidth : j + edgeWidth);

            center = input(i, j);

            vertex = Matrix2Vertex(mask);

            neighbour = GetNeighbour(vertex, center, k);

            output(i - 1, j - 1) = mean(neighbour);

        end

    end

end

 

% 根据输入的向量与中心值取近邻值

% vertex - 输入向量；center - 中心值；k - 近邻数

% neighbour - 近邻值

function neighbour = GetNeighbour(vertex, center, k)

    distance = abs(vertex - center);

    [sortDistance, sortIndex] = sort(distance,1);

    neighbour = vertex(sortIndex(2 : k + 1));

end

 

% 将矩阵转换为向量

function vertex = Matrix2Vertex(matrix)

    [row, col] = size(matrix);

    vertex = zeros(row * col, 1);

    for i = 1 : row * col

        vertex(i) = matrix(i);

    end

end

 

 

 

 

 

 

调用方法：

将以上代码存为文件emuchKNNMeanFilter.m，在matlab command window中调用。
例如，有矩阵
a = 
164        24        196        119        209        51
200        139        53        23        250        244
125        218        11        129        247        86
103        67        39        20        147        38
224        198        183        42        60        84
181        163        33        191        74        29
211        185        56        85        172        197
3        228        116        78        146        202
调用程序进行处理：b = emuchKNNMeanFilter(a, 3, 5)
得到处理后的矩阵
b = 
180.6        61.2        101.6        189.6
126.8        40.4        56.4        171.2
92.2        53.8        56.2        121.2
170.8        132.2        45.2        53.4
191.6        105.8        114.8        60
179.8        95        71.4        164.2