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