中值滤波是很经典的算法了。今天看论文又知道还有一种叫自适应中值滤波的算法RAMF。原论文在这里。
RAMF主要通过以下两步来处理图像。
1.首先确定最大的滤波半径，然后用一个合适的半径r对图像进行滤波。计算当前滤波半径像素灰度的Imin,Imax,Imed，然后判断Imed是否在[Imin,Imax]中间，如果在则向下进行，否则扩大当前半径r继续滤波直到r等于最大滤波半径。
2.如果当前处理的像素img(i,j)在[Imin,Imax]之间，则输出当前像素，否则输出当前滤波半径中值像素Imed。
看下效果吧：
噪声图像：
RAMF算法：
普通3*3中值滤波：
matlab代码如下：
1 clear all;
2 close all;
3 clc;
4
5 img=mat2gray(imread(\'lena.jpg\'));
6 [m n]=size(img);
7
8 img=imnoise(img,\'salt & pepper\',0.1); %加入椒盐噪声
9 imshow(img,[]);
10
11 Nmax=10; %确定最大的滤波半径
12
13 %下面是边界扩展，图像上下左右各增加Nmax像素。
14 imgn=zeros(m+2*Nmax+1,n+2*Nmax+1);
15 imgn(Nmax+1:m+Nmax,Nmax+1:n+Nmax)=img;
16
17 imgn(1:Nmax,Nmax+1:n+Nmax)=img(1:Nmax,1:n); %扩展上边界
18 imgn(1:m+Nmax,n+Nmax+1:n+2*Nmax+1)=imgn(1:m+Nmax,n:n+Nmax); %扩展右边界
19 imgn(m+Nmax+1:m+2*Nmax+1,Nmax+1:n+2*Nmax+1)=imgn(m:m+Nmax,Nmax+1:n+2*Nmax+1); %扩展下边界
20 imgn(1:m+2*Nmax+1,1:Nmax)=imgn(1:m+2*Nmax+1,Nmax+1:2*Nmax); %扩展左边界
21
22 re=imgn;
23 for i=Nmax+1:m+Nmax
24 for j=Nmax+1:n+Nmax
25
26 r=1; %初始滤波半径
27 while r~=Nmax
28 W=imgn(i-r:i+r,j-r:j+r);
29 W=sort(W);
30 Imin=min(W(:));
31 Imax=max(W(:));
32 Imed=W(uint8((2*r+1)^2/2));
33 if Imin<Imed && Imed<Imax %如果当前邻域中值不是噪声点，那么就用此次的邻域
34 break;
35 else
36 r=r+1; %否则扩大窗口，继续判断
37 end
38 end
39
40 if Imin<imgn(i,j) && imgn(i,j)<Imax %如果当前这个像素不是噪声，原值输出
41 re(i,j)=imgn(i,j);
42 else %否则输出邻域中值
43 re(i,j)=Imed;
44 end
45
46 end
47 end
48
49 figure;
50 imshow(re(Nmax+1:m+Nmax,Nmax+1:n+Nmax),[]);
