algorithm - 在matlab中实现智能递归算法

Question

我指的是以下 paper并尝试实现 matlab 中给出的算法

唯一的问题是如何找到噪声像素，即具有脉冲噪声的像素？

X 似乎是我必须计算的图像中的脉冲像素

_

____________________________________________ 
Input – Noisy Image h 
_______________________________________________ 
Step 1: Compute X 
             for every pixel repeat steps from 2 to 7 
Step 2: Initialize w = 3 
Step 3: If X(i,j) ≠ Impulse pixel 
                 goto step 7  
Step 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=no. of  black pixels in the window 
             w=no. of white pixels in the window 
Step 5: If ∆i,j ≠ NULL 
                    p(i,j) = mean(∆i,j
) 
                    d(i,j) = | h(i,j) – p(i,j) | 
            else   if (w < wmax) 
                           w=w+2 
                           goto step 4 
           else   
                     if (b>w) 
                           h(i,j)=0 
                    else 
                           h(i,j)=255 
Step 7: Goto next pixel 
Step 8: Calculate threshold t, from detailed coefficient  
                  matrix d 
            for every pixel 
Step 9: If (d(i,j)>t) 
                    h(i,j)=p(i,j) 
____________________________

编辑:为了实现 PSM 或中值滤波器方法，我们 需要设置一些参数和一个阈值。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值。所以，在 我们提出的算法消除了定义阈值的需要。算法智能判断 阈值自动。

Answer 1

你试图实现的文章显然写得不好...... 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!!!

第 1 步和第 7 步都指的是同一个循环。

无论如何，对我来说，“脉冲像素”是所有等于 0 或 255 的像素。

基本上，它们是“椒盐”噪声的一部分的像素。

所以基本上，您可以通过以下方式找到它们:

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