Image 自适应中值滤波码的一些错误 %%自适应中值滤波-代码 ip1=imread（'lena.gif'）；%无失真图像 ip=imnoise（ip1，'盐和胡椒'，0.25）；%图像被“椒盐噪声”损坏 ip_中值_过滤器1=medfilt2（ip）；%对窗口尺寸为3x3像素的带噪图像应用中值滤波 ip_median_filt2=medfilt2（ip[4,4]）；%对窗口尺寸为4x4像素的带噪图像应用中值滤波器 图（1），clf； 子地块（2,1,1），imshow（ip，[]）； 子地块（2,1,2），imshow（ip_中值滤波1，[]）； %%现在，我们继续对噪声图像和图像进行自适应中值滤波 %%证明了该方法的效果优于标准中值滤波器 %%如上所示 %%在带噪输入图像的边缘像素周围填充零，以便 %%允许对图像的边缘像素进行处理 ip_边=零（212276）； ip_转换=双（ip）； %%%%%%%%%%下面这行似乎有错误 ip_边（11:202，11:266）=ip_边（11:202，11:266）+ip_转换； smax=9； 对于i=11:202 对于j=11:266 sx=3； sy=3； 而（（sx0）和&（B0）和&（Dsmax）和&（sy>smax） ip_边（i，j）=ip_边（i，j）； 结束 结束 结束 结束 结束 结束 图（2），clf； imshow（ip_-edge，[]）；

我在与%%的行中得到一个错误：

？？使用==>加上矩阵尺寸的错误必须一致。 错误==>在22 ip_边缘自适应（11:202，11:266）=ip_边缘（11:202，11:266）+ip_转换

---

Matlab告诉您问题是什么，为了能够添加

ip_边缘

和

ip_转换

的区域（11:202,11:266），它们需要具有相同的尺寸

---

ip_边缘

区域的大小是

192 x 256

，我猜您的ip_转换矩阵当时的大小不同（无法确定，因为加载的lena gif不是标准的Matlab图像）。

Matlab告诉您问题所在，以便能够添加区域（11:202,11:266）对于

ip_边缘

和

ip_转换

，它们需要具有相同的尺寸

---

ip_边缘

区域的大小是

192 x 256

，我猜您的ip_转换矩阵当时的大小不同（无法确定，因为加载的lena gif不是标准的Matlab图像）。

您的错误与自适应滤波无关。只是矩阵尺寸不匹配

提示：不必显式指定图像的尺寸。 使用类似于：

%% Adaptive Median Filtering - The Code

ip1 = imread ('lena.gif');                  %% Undistorted image
ip = imnoise (ip1,'salt & pepper',0.25);    %% Image corrupted with 'Salt and Pepper Noise'

ip_median_filt1 = medfilt2(ip);             %% Apply median filter to noisy image with window dimensions of 3x3 pixels
ip_median_filt2 = medfilt2(ip,[4,4]);       %% Apply median filter to noisy image with window dimensions of 4x4 pixels
figure(1), clf;
subplot (2, 1, 1), imshow (ip, []);
subplot (2, 1, 2), imshow (ip_median_filt1, []);

%% We now proceed with the adaptive median filtering of the noisy image and 
%% prove that the results are better than those of the standard median filter 
%% shown above

%% Packing zeros around the edge pixels of the noisy input image so as to 
%% allow the facilitate the processing of edge-pixels of the image

ip_edge = zeros (212,276);

ip_convert = double (ip);

%%%%%%%%%% there seems to be error on the following line
ip_edge (11:202, 11:266) = ip_edge (11:202, 11:266) + ip_convert;

smax=9;

for i=11:202
    for j=11:266
        sx=3;
        sy=3;
        while ((sx<=smax) && (sy<=smax))
            ip_edge_min = ip_edge (i, j);
            ip_edge_max = ip_edge (i, j);
            ip_edge_median = median(median(ip_edge((i-floor(sx/2)):(i+floor(sx/2)),(j-floor(sy/2)):(j+floor(sy/2)))));
            for k= (i-floor (sx/2)) :( i+floor (sx/2))
                for l= (j-floor (sy/2)) :( j+floor (sy/2))
                    if ip_edge (k, l) < ip_edge_min
                        ip_edge_min = ip_edge (k, l);
                    end 
                    if ip_edge (k, l) > ip_edge_max
                        ip_edge_max = ip_edge (k, l);
                    end 
                End 
            end 
            A = ip_edge_median - ip_edge_min;
            B = ip_edge_median - ip_edge_max;
            if (A>0) && (B<0)
                C = ip_edge (i, j) - ip_edge_min;
                D = ip_edge (I) - ip_edge_max;
                if (C>0) && (D<0)
                    pledge (i, j) = ip_edge (i, j);
                    break
                else
                    ip_edge (i, j) = ip_edge_median;
                    break
                end 
            else 
                sx=sx+2;
                sy=sy+2;
                if (sx>smax) && (sy>smax)
                    ip_edge(i,j) = ip_edge(i,j);
                end 
            end
        end 
    end 
  end 
end


figure(2), clf;
imshow(ip_edge,[]);

或者，您也可以使用内置函数padarray

ip_edge = zeros(size(ip1) + 20);
ip_edge(11:end-10,11:end-10) = double(ip);

顺便说一句，你的代码效率非常低。Matlab的规则1是：永远不要循环！好吧，这并不总是可行的，但这是你应该瞄准的目标。 以下是滑动中值滤波的“精益”代码：

ip_edge = padarray(double(ip), [10 10])

这就是你所说的“适应性”吗？

---

祝您学习Matlab时好运：-）

您的错误与自适应滤波无关。只是矩阵的尺寸不匹配

提示：不必显式指定图像的尺寸。 使用类似于：

%% Adaptive Median Filtering - The Code

ip1 = imread ('lena.gif');                  %% Undistorted image
ip = imnoise (ip1,'salt & pepper',0.25);    %% Image corrupted with 'Salt and Pepper Noise'

ip_median_filt1 = medfilt2(ip);             %% Apply median filter to noisy image with window dimensions of 3x3 pixels
ip_median_filt2 = medfilt2(ip,[4,4]);       %% Apply median filter to noisy image with window dimensions of 4x4 pixels
figure(1), clf;
subplot (2, 1, 1), imshow (ip, []);
subplot (2, 1, 2), imshow (ip_median_filt1, []);

%% We now proceed with the adaptive median filtering of the noisy image and 
%% prove that the results are better than those of the standard median filter 
%% shown above

%% Packing zeros around the edge pixels of the noisy input image so as to 
%% allow the facilitate the processing of edge-pixels of the image

ip_edge = zeros (212,276);

ip_convert = double (ip);

%%%%%%%%%% there seems to be error on the following line
ip_edge (11:202, 11:266) = ip_edge (11:202, 11:266) + ip_convert;

smax=9;

for i=11:202
    for j=11:266
        sx=3;
        sy=3;
        while ((sx<=smax) && (sy<=smax))
            ip_edge_min = ip_edge (i, j);
            ip_edge_max = ip_edge (i, j);
            ip_edge_median = median(median(ip_edge((i-floor(sx/2)):(i+floor(sx/2)),(j-floor(sy/2)):(j+floor(sy/2)))));
            for k= (i-floor (sx/2)) :( i+floor (sx/2))
                for l= (j-floor (sy/2)) :( j+floor (sy/2))
                    if ip_edge (k, l) < ip_edge_min
                        ip_edge_min = ip_edge (k, l);
                    end 
                    if ip_edge (k, l) > ip_edge_max
                        ip_edge_max = ip_edge (k, l);
                    end 
                End 
            end 
            A = ip_edge_median - ip_edge_min;
            B = ip_edge_median - ip_edge_max;
            if (A>0) && (B<0)
                C = ip_edge (i, j) - ip_edge_min;
                D = ip_edge (I) - ip_edge_max;
                if (C>0) && (D<0)
                    pledge (i, j) = ip_edge (i, j);
                    break
                else
                    ip_edge (i, j) = ip_edge_median;
                    break
                end 
            else 
                sx=sx+2;
                sy=sy+2;
                if (sx>smax) && (sy>smax)
                    ip_edge(i,j) = ip_edge(i,j);
                end 
            end
        end 
    end 
  end 
end


figure(2), clf;
imshow(ip_edge,[]);

或者，您也可以使用内置函数padarray

ip_edge = zeros(size(ip1) + 20);
ip_edge(11:end-10,11:end-10) = double(ip);

顺便说一下，您的代码效率极低。Matlab的规则1是：永不循环！好吧，这并不总是可行的，但这是你应该瞄准的目标。 以下是滑动中值滤波的“精益”代码：

ip_edge = padarray(double(ip), [10 10])

这就是你所说的“适应性”吗？

---

祝你在学习Matlab时好运：-）

简单：你不能将两个不同大小的矩阵相加。简单：你不能将两个不同大小的矩阵相加。自适应中值滤波是一种新型滤波，它选择有噪声的候选矩阵并将中值应用于矩阵，我发现这种自适应滤波器不同于滑动中值滤波器。谢谢，我也学到了一些东西：-）顺便说一下，Matlab Central上有一些实现。看一看自适应中值滤波是一种新的滤波类型，它选择有噪声的候选对象并将中值应用到模型上，我发现这种自适应滤波不同于滑动中值滤波。谢谢，我也学到了一些东西：-）顺便说一下，Matlab Central上有一些实现。看看