改进的极值中值图像滤波算法 matlab程序

以下是改进的极值中值图像滤波算法的MATLAB程序：

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。