用matlab编写自适应高斯平滑算法

在MATLAB中，可以使用自适应Gaussian滤波（Adaptive Gaussian Smoothing）来处理图像并提高其清晰度。这个过程通常用于去除噪声，并保持边缘细节。以下是一个基本的步骤和示例代码：

首先，你需要包含`imfilter`函数，它内置了高斯滤波的功能。自适应滤波需要使用局部均值或中值滤波来确定每个像素周围噪声的强度，然后应用不同程度的高斯平滑。

% 加载图像
img = imread('your_image.jpg'); % 替换为你要处理的图片文件名

% 定义高斯核大小范围和权重
kernel_size_range = [3 7]; % 可调整的高斯核半径范围
weights = ones(kernel_size_range(2), kernel_size_range(2)) / (kernel_size_range(2)^2); % 正交加权

% 自适应高斯滤波
sigma_map = sqrt(mean(bsxfun(@minus, img, medfilt2(img)), 3)); % 计算每个像素处的噪声标准差
smoothed_img = imfilter(img, fspecial('gaussian', kernel_size_range, sigma_map));

% 显示原始图和处理后的图
figure;
subplot(1, 2, 1);
imshow(img);
title('Original Image');
subplot(1, 2, 2);
imshow(smoothed_img);
title('Adaptively Smoothed Image');

在这个例子中，我们首先计算了图像的局部中值，作为衡量噪声强度的一个指标。然后根据这个指标动态选择高斯核的标准差，使得在平滑过程中对噪声区域的处理更轻，对边缘和细节保留更好。