Image 192x192x24体积中3x3x3体素的平均值

我正在处理测量强度的图像文件，基本上提取1x1x1像素大小的体素。图像文件形成一个体积以避免峰值强度。我想找到一种方法，平均超过3x3像素

我的问题是让我的头绕过这个问题，因为它是图像中由零和其他值分隔的形状。所以，首先我考虑了一个带有

if

-语句的

for

-循环。这些是我到目前为止为

for

-循环和

if

-语句所做的考虑。MATLAB将体积视为一个长矩阵，因此通过一个简单的

for

循环，应该很容易找到一个非零值及其相邻值，并取这些值的平均值。当我不得不考虑z维度时，问题就来了

---

这显然不是最优的，我发现很难解释边界效应。

我希望我正确地解释了你的问题，但你想找到输入图像中每个体素的3 x 3 x 3体素体积的平均值，其中每个输入体素充当每个3 x 3 x 3体素体积的中心，以进行平均。如果你有选择使用MATLAB的内置函数，考虑使用N-D卷积。不要在这里使用循环，因为它会非常慢。对于

convn

，第一个参数是3D图像，第二个参数是一个3 x 3 x 3内核，其值均等于1/27。如果卷积内核超出了输入图像的限制，您还可以选择指定沿边界发生的情况。通常，您希望返回与输入大小相同的输出图像，因此可能需要指定

'same'

标志作为第三个可选参数。该平均机制还假设外边缘为零填充

因此，假设您的图像存储在

im

中，请执行以下操作：

%// Create kernel of all 1/27 in a 3 x 3 x 3 matrix
kernel = ones(3,3,3);
kernel = kernel / numel(kernel);

%// Perform N-D convolution
out = convn(double(im), kernel, 'same'); %// Cast to double for precision

out = cast(out, class(im)); %// Recast back to original data type

---

或者，如果您可以访问图像处理工具箱，请使用。这与

convn

的区别在于

imfilter

是使用编写的，因此性能肯定会更快：

%// Create kernel of all 1/27 in a 3 x 3 x 3 matrix
kernel = ones(3,3,3);
kernel = kernel / numel(kernel);

%// Perform N-D convolution
out = imfilter(im, kernel);

---

额外的好处是您不需要更改输入类型

imfilter

自动推断，输入图像的原始类型和

imfilter

的输出类型是否与输入类型相同。使用

convn

，在使用数据之前，必须确保数据是浮点型的。

我希望我正确地解释了您的问题，但您希望找到输入图像中每个体素的3 x 3 x 3体素体积的平均值，其中每个输入体素充当每个3 x 3 x 3体素体积的平均值中心。如果你有选择使用MATLAB的内置函数，考虑使用N-D卷积。不要在这里使用循环，因为它会非常慢。对于

convn

，第一个参数是3D图像，第二个参数是一个3 x 3 x 3内核，其值均等于1/27。如果卷积内核超出了输入图像的限制，您还可以选择指定沿边界发生的情况。通常，您希望返回与输入大小相同的输出图像，因此可能需要指定

'same'

标志作为第三个可选参数。该平均机制还假设外边缘为零填充

因此，假设您的图像存储在

im

中，请执行以下操作：

%// Create kernel of all 1/27 in a 3 x 3 x 3 matrix
kernel = ones(3,3,3);
kernel = kernel / numel(kernel);

%// Perform N-D convolution
out = convn(double(im), kernel, 'same'); %// Cast to double for precision

out = cast(out, class(im)); %// Recast back to original data type

---

或者，如果您可以访问图像处理工具箱，请使用。这与

convn

的区别在于

imfilter

是使用编写的，因此性能肯定会更快：

%// Create kernel of all 1/27 in a 3 x 3 x 3 matrix
kernel = ones(3,3,3);
kernel = kernel / numel(kernel);

%// Perform N-D convolution
out = imfilter(im, kernel);

额外的好处是您不需要更改输入类型

imfilter

自动推断，输入图像的原始类型和

imfilter

的输出类型是否与输入类型相同。使用

convn

，在使用数据之前必须确保数据是浮点型的