基于matlab的非局部均值滤波设计与实现

function DenoisedImg=NLmeans(I,ds,Ds,h) %I:含噪声图像 %ds:邻域窗口半径 %Ds:搜索窗口半径 %h:高斯函数平滑参数 %DenoisedImg：去噪图像 [m,n]=size(I); DenoisedImg=zeros(m,n); % 扩展图像边界 PaddedImg = padarray(I,[ds,ds],'symmetric','both'); % 定义d值 kernel=ones(2*ds+1,2*ds+1); kernel=kernel./((2*ds+1)*(2*ds+1)); % 定义噪声功率 h2=h*h; for i=1:m for j=1:n % 原图像对应扩展图像的偏移量 i1=i+ds; j1=j+ds; % 在扩展图像中以(i1,j1)为中心的邻域窗口1 W1=PaddedImg(i1-ds:i1+ds,j1-ds:j1+ds); average=0; % 加权和 sweight=0; % 归一化系数 % 搜索窗口 rmin = max(i1-Ds,ds+1); % 搜索窗口上边界最低限制到原图像上边界 rmax = min(i1+Ds,m+ds); % 搜索窗口下边界最高限制到原图像下边界 smin = max(j1-Ds,ds+1); % 搜索窗口左边界最低限制到原图像左边界 smax = min(j1+Ds,n+ds); % 搜索窗口右边界最高限制到原图像右边界 % r与s为搜索窗口内像素点的坐标,对搜索窗口内的每个像素点求相似度 for r=rmin:rmax for s=smin:smax % 不能与自己比较相似度 if(r==i1&&s==j1) continue; end % 以搜索窗口内的像素点为中心的邻域窗口2 W2=PaddedImg(r-ds:r+ds,s-ds:s+ds); % 计算邻域间距离 Dist2=sum(sum(kernel.*(W1-W2).*(W1-W2))); % 计算权值w(x,y) w=exp(-Dist2/h2); sweight=sweight+w; average=average+w*PaddedImg(r,s); end end % 将加权和归一化并替换原像素点 DenoisedImg(i,j)=average/sweight; end end