我真是弱爆了，我原来以为边界处理用我上一篇的方法就能很好的处理了，结果效果并不好。我只是和标准的imfilter函数进行了比较，其实imfilter函数还有一些参数我没用上，比如‘replicate’,\'symmetric\'等，如果加上这些参数，我的效果就比不上matlab的效果了，所以这次不用上一篇的方法了，就用边界扩展好了。
边界扩展是把原图的四周都加上r个像素，并且把这r个像素的值用原图最外围的r个像素来替代，然后再对新图像滤波，取原图的大小就行了。这种方法虽然在时间与空间复杂度上比我上一篇方法稍高，不过效果的确很好，代码也很简洁。
1 clear all;
2 close all;
3 clc;
4 r=20;
5 w=fspecial(\'average\',[2*r+1 2*r+1]);
6
7 img=imread(\'lena.jpg\');
8 img=mat2gray(img);
9 [m n]=size(img);
10 imshow(img);
11
12 imgn=zeros(m+2*r+1,n+2*r+1);
13 imgn(r+1:m+r,r+1:n+r)=img;
14
15 imgn(1:r,r+1:n+r)=img(1:r,1:n); %扩展上边界
16 imgn(1:m+r,n+r+1:n+2*r+1)=imgn(1:m+r,n:n+r); %扩展右边界
17 imgn(m+r+1:m+2*r+1,r+1:n+2*r+1)=imgn(m:m+r,r+1:n+2*r+1); %扩展下边界
18 imgn(1:m+2*r+1,1:r)=imgn(1:m+2*r+1,r+1:2*r); %扩展左边界
19
20
21 for i=r+1:m+r
22 for j=r+1:n+r
23 s=imgn(i-r:i+r,j-r:j+r).*w;
24 imgn(i,j)=sum(sum(s))/sum(sum(w));
25
26 end
27 end
28 figure;
29 imshow(mat2gray(imgn(r+1:m+r,r+1:n+r)));
30
31 figure;
32 img=imfilter(img,w,\'replicate\');
33 imshow(mat2gray(img))
下面是处理后的效果，可以看出相比上一篇中图像这里四周的黑色已经没有了。虽然后面两幅有些不同，不过那只是边界扩展时用的方法不同而已，用不同的方法扩展边界肯定会有不同的效果哦。
原图
自己的方法滤波
直接调用系统函数滤波
