Algorithm 智能递归算法在matlab中的实现

我参考了以下内容，并试图实现matlab中给出的算法

唯一的问题是如何找到有噪声的像素，即带有脉冲噪声的像素

X似乎是我必须计算的图像中的脉冲像素

_

\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
输入–噪声图像h
_______________________________________________ 
步骤1：计算X
对于每个像素，重复从2到7的步骤
步骤2：初始化w=3
步骤3：如果X（i，j）≠ 脉冲像素
转到第7步
步骤4：∆i、 j={h（i1，j1）|i-（w-1）/2≤ i1≤ i+（w-1）/2，
j-（w-1）/2≤ j1≤ j+（w-1）/2}
b=窗口中黑色像素的数量
w=窗口中的白色像素数
步骤5：如果∆i、 j≠ 无效的
p（i，j）=平均值(∆i、 j
) 
d（i，j）=h（i，j）–p（i，j）|
否则如果（ww）
h（i，j）=0
其他的
h（i，j）=255
步骤7：转到下一个像素
步骤8：根据详细系数计算阈值t
矩阵d
每像素
步骤9：如果（d（i，j）>t）
h（i，j）=p（i，j）
____________________________

编辑：要实现PSM或中值滤波方法，我们需要 需要设置一些参数和阈值。这 阈值取决于图像和噪声 密度。因此，要恢复不同的图像，我们需要检查 一系列阈值，并找出最佳阈值。那么在 我们提出的算法不需要定义阈值。该算法具有智能性和确定性

---

自动设置阈值

您试图实现的文章显然写得很糟糕。。。 例如，在算法中，

w

意味着两件事：窗口的大小和白色像素的数量

步骤1和步骤7都指向同一个循环

无论如何，对我来说，脉冲像素是所有等于0或255的像素a。

基本上，它们是像素，是“盐和胡椒”噪声的一部分

所以基本上，你可以通过以下方式找到它们：

[impulsepixelsY,impulasPixelX]=find((im==0)|(im==255));

---

从论文中可以看出，在椒盐噪声的情况下，“脉冲像素”只是噪声像素。此外，该算法似乎还提供了一种“智能”机制，用于在噪声像素的值高于阈值（自适应计算）时计算噪声像素的去噪值

那么，“如果X（i，j）”呢≠ 脉冲像素“？很显然，作者假设知道（！）哪些像素是有噪声的（！！），这使得整个事情变得非常可笑，因为这些信息几乎不可能知道

我还想补充一点，论文中给出的相当惊人的结果很可能就是由于这一事实

---

另外，关于这个论点，它是错误的。具有0或255强度值的像素集，包括噪声像素以及恰好具有该值的适当像素。在这种情况下，该算法很可能会崩溃，因为它也会对健康像素进行去噪。

您能总结一下本文的目标和算法吗？一个标题也可以避免链接腐烂。那么“带有脉冲噪声的像素”这个词是从哪里来的呢？它不存在于代码中。不确定你希望你的问题得到什么样的答案，那么如果X（i，j）≠ 这里的脉冲像素表明！递归算法的速度：Matlab[impulsepixelsY,impulasPixelX]=find((im==0)|(im==255));