自适应中值滤波算法matlab

自适应中值滤波是一种基于图像中像素值的统计特征的非线性滤波方法，可以有效地去除椒盐噪声和脉冲噪声。Matlab中实现自适应中值滤波的代码如下：

function [output] = adaptive_median_filter(input, maxWindowSize)
[row, col] = size(input);
output = zeros(row, col);
for i = 1:row
    for j = 1:col
        windowSize = 3;
        while (windowSize <= maxWindowSize)
            window = input(max(1,i-floor(windowSize/2)):min(row,i+floor(windowSize/2)),...
                max(1,j-floor(windowSize/2)):min(col,j+floor(windowSize/2)));
            Zmin = min(window(:));
            Zmax = max(window(:));
            Zmed = median(window(:));
            A1 = Zmed - Zmin;
            A2 = Zmed - Zmax;
            if (A1 > 0 && A2 < 0)
                B1 = input(i,j) - Zmin;
                B2 = input(i,j) - Zmax;
                if (B1 > 0 && B2 < 0)
                    output(i,j) = input(i,j);
                else
                    output(i,j) = Zmed;
                end
                break;
            else
                windowSize = windowSize + 2;
            end
        end
        if (windowSize > maxWindowSize)
            output(i,j) = Zmed;
        end
    end
end

其中，输入参数`input`为待滤波的图像，`maxWindowSize`为最大的滤波窗口大小。输出参数`output`为滤波后的图像。

在代码中，我们首先遍历图像中的每个像素，然后从3开始逐渐增加滤波窗口的大小，直到达到最大的滤波窗口大小。对于每个滤波窗口，我们计算其中像素值的最小值`Zmin`、最大值`Zmax`和中值`Zmed`。然后计算`A1 = Zmed - Zmin`和`A2 = Zmed - Zmax`，如果`A1 > 0`且`A2 < 0`，说明当前像素处于噪声区域内，需要进行滤波。接着，我们计算`B1 = input(i,j) - Zmin`和`B2 = input(i,j) - Zmax`，如果`B1 > 0`且`B2 < 0`，说明当前像素不是脉冲噪声或椒盐噪声，直接输出。否则，输出中值`Zmed`。如果窗口大小达到最大值`maxWindowSize`时仍然没有找到噪声区域，说明该像素不是噪声，直接输出中值`Zmed`。

使用该函数对图像进行自适应中值滤波的示例代码如下：

input = imread('lena.png');
maxWindowSize = 7;
output = adaptive_median_filter(input, maxWindowSize);
imshow(output);

其中，`lena.png`是一张经典的测试图像。我们将最大的滤波窗口大小设置为7，即滤波窗口的大小从3开始，每次增加2，最大到7。最终输出滤波后的图像。