matlab练习程序（自适应中值滤波RAMF）

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：

clear all;
close all;
clc;

img=mat2gray(imread('lena.jpg'));
[m n]=size(img);

img=imnoise(img,'salt & pepper',0.1);   %加入椒盐噪声
imshow(img,[]);

Nmax=10;        %确定最大的滤波半径

%下面是边界扩展，图像上下左右各增加Nmax像素。
imgn=zeros(m+2*Nmax+1,n+2*Nmax+1);
imgn(Nmax+1:m+Nmax,Nmax+1:n+Nmax)=img;

imgn(1:Nmax,Nmax+1:n+Nmax)=img(1:Nmax,1:n);                 %扩展上边界
imgn(1:m+Nmax,n+Nmax+1:n+2*Nmax+1)=imgn(1:m+Nmax,n:n+Nmax);    %扩展右边界
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
imgn(1:m+2*Nmax+1,1:Nmax)=imgn(1:m+2*Nmax+1,Nmax+1:2*Nmax);       %扩展左边界

re=imgn;
for i=Nmax+1:m+Nmax
    for j=Nmax+1:n+Nmax
        
        r=1;                %初始滤波半径
        while r~=Nmax
            W=imgn(i-r:i+r,j-r:j+r);
            W=sort(W);
            Imin=min(W(:));
            Imax=max(W(:));
            Imed=W(uint8((2*r+1)^2/2));
            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
               break;
            else
                r=r+1;              %否则扩大窗口，继续判断
            end          
        end
        
        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
            re(i,j)=imgn(i,j);
        else                                        %否则输出邻域中值
            re(i,j)=Imed;
        end
        
    end
end

figure;
imshow(re(Nmax+1:m+Nmax,Nmax+1:n+Nmax),[]);