加权中值滤波matlab

加权中值滤波是一种对图像进行噪声处理的方法，它可以有效地去除椒盐噪声和高斯噪声等。在Matlab中可以使用medfilt2函数来实现加权中值滤波。

medfilt2函数的语法如下：

B = medfilt2(A,[m n],'indexed',p)

其中，A为待滤波的图像，[m n]为滤波器的大小，'indexed'表示输入图像A是索引图像，p为加权参数。如果A是灰度图像，则可以省略'indexed'参数。加权参数p的取值范围为[0,1]，当p=0时，加权中值滤波器就是中值滤波器，当p=1时，加权中值滤波器就是均值滤波器。

下面是一个示例代码：

% 读取图像
I = imread('lena.png');

% 添加椒盐噪声
J = imnoise(I,'salt & pepper',0.02);

% 加权中值滤波
K = medfilt2(J,[3 3],'indexed',0.5);

% 显示结果
subplot(131), imshow(I), title('原图');
subplot(132), imshow(J), title('添加噪声后的图像');
subplot(133), imshow(K), title('加权中值滤波后的图像');

这段代码中，首先读取了一张图像，然后添加了椒盐噪声。接着使用medfilt2函数进行加权中值滤波，滤波器大小为3×3，加权参数为0.5。最后将原图、添加噪声后的图像和加权中值滤波后的图像分别显示在三个子图中。

相关问题

matlab实现加权中值滤波

加权中值滤波是一种常见的图像滤波算法，可以有效地去除图像中的噪声。它在中值滤波的基础上，加入了像素权重的概念，能够更好地保留图像的细节信息。

下面是使用Matlab实现加权中值滤波的示例代码：

function img_filtered = weighted_median_filter(img, window_size, weights)
% img: 待滤波的图像
% window_size: 窗口大小（必须是奇数）
% weights: 每个像素的权重矩阵，大小和img相同

% 获取图像大小
[M, N] = size(img);

% 计算窗口半径
r = floor(window_size/2);

% 边缘填充
img_padded = padarray(img, [r, r], 'symmetric');

% 初始化滤波后的图像
img_filtered = zeros(M, N);

% 对每个像素进行滤波
for i = r+1:M+r
    for j = r+1:N+r
        % 获取当前窗口内的像素
        window = img_padded(i-r:i+r, j-r:j+r);
        
        % 将窗口内的像素按权重排序
        [~, idx] = sort(window(:).*weights(:));
        
        % 取中值
        median_idx = ceil((window_size^2)/2);
        img_filtered(i-r, j-r) = window(idx(median_idx));
    end
end

使用示例：

% 读取图像
img = imread('lena.bmp');

% 生成权重矩阵（这里随机生成）
weights = rand(size(img));

% 进行加权中值滤波
img_filtered = weighted_median_filter(img, 5, weights);

% 显示滤波前后的图像
figure;
subplot(121); imshow(img); title('原图');
subplot(122); imshow(img_filtered); title('滤波后');

注意：这里的权重矩阵是随机生成的，实际应用中需要根据具体情况来确定每个像素的权重。

自适应加权中值滤波算法matlab

自适应加权中值滤波算法（Adaptive Weighted Median Filter）是一种常用的非线性滤波算法，可用于去除高斯噪声、脉冲噪声等。
Matlab代码实现如下：

function [output_img] = AWMedianFilter(input_img, max_window_size)
% 自适应加权中值滤波
% input_img: 输入图像
% max_window_size: 最大窗口尺寸
    [m, n] = size(input_img);
    output_img = zeros(m, n); % 输出图像
    padding_size = floor(max_window_size/2);
    for i = 1:m
        for j = 1:n
            cur_pixel = input_img(i,j); % 当前像素值
            window_size = 3; % 窗口大小从3开始
            while window_size <= max_window_size
                padding = floor(window_size/2);
                window = input_img(max(i-padding,1):min(i+padding,m), ...
                    max(j-padding,1):min(j+padding,n)); % 提取窗口
                if cur_pixel > min(window(:)) && cur_pixel < max(window(:))
                    % 计算加权中值
                    sorted_window = sort(window(:));
                    center_pixel = sorted_window(padding+1);
                    left_window = sorted_window(1:padding);
                    right_window = sorted_window(padding+2:end);
                    left_weight = sum(center_pixel-left_window) / padding;
                    right_weight = sum(right_window-center_pixel) / padding;
                    output_img(i,j) = center_pixel + 0.5 * (left_weight - right_weight);
                    break; % 找到加权中值，跳出循环
                else
                    window_size = window_size + 2; % 窗口大小加2
                end
            end
            if window_size > max_window_size % 最大窗口尺寸内无法找到加权中值，取原像素值
                output_img(i,j) = cur_pixel;
            end
        end
    end
    output_img = uint8(output_img); % 转为uint8类型
end

调用方法：

input_img = imread('lena.png');
output_img = AWMedianFilter(input_img, 7);
imshow(input_img), title('原图');
figure, imshow(output_img), title('滤波后的图像');