改进的极值中值图像滤波算法 matlab程序
时间: 2023-08-01 08:07:52 浏览: 42
以下是改进的极值中值图像滤波算法的MATLAB程序:
```matlab
function [outImg] = ImprovedEMF(inImg, winSize, sigma, delta)
% inImg: 输入图像
% winSize: 窗口大小
% sigma: 离群点判断标准
% delta: 图像平滑度控制参数
% outImg: 输出图像
% 将输入图像转换为灰度图像
if size(inImg, 3) == 3
inImg = rgb2gray(inImg);
end
% 将图像类型转换为double类型
inImg = im2double(inImg);
% 获取图像的大小
[rows, cols] = size(inImg);
% 计算步长
step = floor(winSize/2);
% 初始化输出图像
outImg = zeros(rows, cols);
% 极值中值滤波
for i = step+1:rows-step
for j = step+1:cols-step
% 获取当前像素的窗口
win = inImg(i-step:i+step, j-step:j+step);
% 计算窗口内的中值和极值
med = median(win(:));
minVal = min(win(:));
maxVal = max(win(:));
% 判断当前像素是否为离群点
if inImg(i,j) <= med-sigma || inImg(i,j) >= med+sigma ||...
inImg(i,j) <= minVal+delta || inImg(i,j) >= maxVal-delta
% 如果是离群点,则用中值代替
outImg(i,j) = med;
else
% 如果不是离群点,则用当前像素值代替
outImg(i,j) = inImg(i,j);
end
end
end
% 利用高斯滤波器平滑图像
gaussFilter = fspecial('gaussian', [5 5], 1.5);
outImg = imfilter(outImg, gaussFilter, 'replicate');
end
```
其中,`inImg`为输入图像,`winSize`为窗口大小,`sigma`为离群点判断标准,`delta`为图像平滑度控制参数,`outImg`为输出图像。程序首先将输入图像转换为灰度图像,并将图像类型转换为double类型。然后,程序利用嵌套的for循环遍历图像中的每一个像素,获取当前像素的窗口,并计算窗口内的中值和极值。接着,程序判断当前像素是否为离群点,如果是离群点,则用中值代替,否则用当前像素值代替。最后,程序利用高斯滤波器平滑图像。