我有一个矩阵X，它表示受噪声影响的图像。我还有一个布尔矩阵M，它表示哪些像素受噪声影响。我想要做的是将每个“损坏”像素设置为其八个相邻像素的平均值。
保证损坏的像素总是被未损坏的像素包围，并且图像边界上的任何像素都没有损坏。我可以使用什么函数来编写它的矢量化版本？
【问题讨论】：
medfilt2。
medfilt2 做了我想做的事，只是我只想对特定像素而不是整个图像执行该操作。
medfilt2 添加到您的第一个矩阵并将结果添加到第二个，您将得到您想要的。
对于您的情况，这应该执行得相当快
fixed = conv2 (image, [1 1 1; 1 0 1; 1 1 1]/8, "same")
# mask is a logical matrix for the corrupted pixels
image(mask) = fixed(mask)
说明：均值滤波是用conv2 函数完成的。为了计算一个像素及其邻居的平均值，使用的内核是ones (3) / 9，这意味着每个像素值的 1/9 用于计算新值。由于您不想计算中心像素的平均值，因此将其值设为 0（在内核中），将其他值设为 1/8。
【讨论】：
convn 而不是 conv2。你必须调整内核，但原理是一样的。 kernel = zeros(3,3,3); kernel(:,:,2) = 1/8; kernel(2,2,2) = 0
这可能不是最有效的解决方案，但应该可以。
N = size(M, 1);
target_ind = find(M);
offset = [-N-1, -N, -N+1, -1, 0, 1, N-1, N, N+1];
area_ind = bsxfun(@plus, offset, target_ind);
X(target_ind) = median(X(area_ind), 2);
由于保证所有损坏的像素都被像素包围，我们可以很容易地计算每个损坏像素的邻居的线性索引。这里我假设X 是灰度图像。
如果I 有多个通道，那么我们可以遍历每个通道并添加一个偏移量
target_ind 和 area_ind 每次：
for i = 1:size(X, 3)
chan_offset = (i - 1)*size(X, 1)*size(X, 2) % Add the number of elements in previous channels to get indices in the current channel
X(target_ind + chan_offset) = median(X(area_ind + chan_offset), 2);
end
【讨论】：
X(:, :, 1)(target_ind) = ...，但这给了我一个错误：() must be followed by . or close the index chain。我该如何解决这个问题？