zoukankan      html  css  js  c++  java
  • matlab练习程序(图像滤波时的边界处理2)

      我真是弱爆了,我原来以为边界处理用我上一篇的方法就能很好的处理了,结果效果并不好。我只是和标准的imfilter函数进行了比较,其实imfilter函数还有一些参数我没用上,比如‘replicate’,'symmetric'等,如果加上这些参数,我的效果就比不上matlab的效果了,所以这次不用上一篇的方法了,就用边界扩展好了。

      边界扩展是把原图的四周都加上r个像素,并且把这r个像素的值用原图最外围的r个像素来替代,然后再对新图像滤波,取原图的大小就行了。这种方法虽然在时间与空间复杂度上比我上一篇方法稍高,不过效果的确很好,代码也很简洁。

    clear all;
    close all;
    clc;
    r=20;
    w=fspecial('average',[2*r+1 2*r+1]);
    
    img=imread('lena.jpg');
    img=mat2gray(img);
    [m n]=size(img);
    imshow(img);
    
    imgn=zeros(m+2*r+1,n+2*r+1);
    imgn(r+1:m+r,r+1:n+r)=img;
    
    imgn(1:r,r+1:n+r)=img(1:r,1:n);                 %扩展上边界
    imgn(1:m+r,n+r+1:n+2*r+1)=imgn(1:m+r,n:n+r);    %扩展右边界
    imgn(m+r+1:m+2*r+1,r+1:n+2*r+1)=imgn(m:m+r,r+1:n+2*r+1);    %扩展下边界
    imgn(1:m+2*r+1,1:r)=imgn(1:m+2*r+1,r+1:2*r);       %扩展左边界
    
    
    for i=r+1:m+r
        for j=r+1:n+r        
            s=imgn(i-r:i+r,j-r:j+r).*w;
            imgn(i,j)=sum(sum(s))/sum(sum(w));
        
        end
    end
    figure;
    imshow(mat2gray(imgn(r+1:m+r,r+1:n+r)));
    
    figure;
    img=imfilter(img,w,'replicate');
    imshow(mat2gray(img))

    下面是处理后的效果,可以看出相比上一篇中图像这里四周的黑色已经没有了。虽然后面两幅有些不同,不过那只是边界扩展时用的方法不同而已,用不同的方法扩展边界肯定会有不同的效果哦。

    原图

    自己的方法滤波

    直接调用系统函数滤波

  • 相关阅读:
    内存中的线程
    python高级线程、进程和进程池
    生产者以及消费者模式(进程池)
    生产者以及消费者模式(多进程)
    生产者以及消费者模式
    全局解释器锁(GIL)
    JoinableQueue队列实现消费之生产者模型
    什么是Sikuli?
    协程基础
    装饰器
  • 原文地址:https://www.cnblogs.com/tiandsp/p/2756356.html
Copyright © 2011-2022 走看看