《数字图像处理》——图像滤波之实现均值滤波

     这里主要通过实现一个均值滤波来阐述图像滤波的具体操作。本系列博客，注重图像处理领域基本算法的原理，主要用matlab语言实现。

1、滤波模板的产生

首先，滤波要有模板，在matlab中。得到模板的途径主要有两种，一种是自己定义，另一种是通过调用函数fspecial得到各种类型的模板。

下面看一个均值滤波器的模板的产生，模板就是一个矩阵，这个没疑问吧！！！

  fspecial('average')

ans =

       1/9            1/9            1/9     
       1/9            1/9            1/9     
       1/9            1/9            1/9 

顺便说一下啊，通过库函数实现图像滤波的基本过程

对于线性滤波器，通常使用imfilter函数实现滤波。

对于非线性滤波，通常使用colfilt函数实现。中值滤波由于太常用，有单独封装的函数medfilt2.

2、滤波具体实现过程

有了模板之后，要做的工作主要就是让模板滑过我们的图像，然后与对应模板下面的元素做卷积运算（别把卷积看到吓死人，从上一篇博客可以看出，卷积对应离散的图像而言就是相乘求和的一个过程），不过在这个操作之前，一般需要对图像的边缘进行填充，想一下就能理解为什么要进行填充了是吧！！不懂的可以见这篇博客点击打开链接

或者还是参考冈萨雷斯的书，实在是太经典了，经典到每个字，真心的！！！

input = imread('lena.bmp');

mask = 1 / 16 * [1 2 1; 2 4 2; 1 2 1];  % 考虑3*3的滤波模板

% 使用库函数实现（在对sobel求取边缘的时候貌似也得分别求水平和垂直边缘）
output1 = imfilter(double(input), mask, 'conv', 0, 'full');     %求竖边缘

% 下面自己实现
[m, n] = size(input);
% 先填充输入图像，这里依旧通过0来填充外边界
input_temp = zeros(m + 4, n + 4);

% 初始化输入图像
input_temp(3: m + 3 - 1, 3: n + 3 - 1) = input;

% 让模板滑过扩展的输入向量
xx = size(input_temp, 1) - 3 + 1;
yy = size(input_temp, 2) - 3 + 1;
output = zeros(xx,yy);

for i = 1: xx
    for j = 1: yy
        output(i, j) = sum( sum( input_temp(i: i + 3 - 1 , j : j + 3 - 1) .* mask ) ) ;    
    end
end

fprintf('调用库函数imfilter完成相关运算');
subplot(131);imshow( uint8(input) );  title('原图像');
subplot(132);imshow( uint8(output1) );title('调用库函数实现均值滤波');
subplot(133);imshow( uint8(output) ); title('自己实现均值滤波');

% 看自己的滤波函数是否有问题
equal = sum(sum(output1 ~= output))   % equal = 0 表示处理后的结果一样

运行图：

equal =

       0     

equal等于0，表明自己实现的均值滤波和库函数得到同样的结果。

ok，搞定！！！！