Gleitender Mittel Bild Filter Matlab

Der beste Weg, dies zu tun (meiner Meinung nach) wäre, einen Kreis-Puffer verwenden, um Ihre Bilder zu speichern. In einem Kreis - oder Ringpuffer wird das älteste Datenelement im Array durch das neueste Element, das in das Array eingeschoben wird, überschrieben. Die Grundlagen der Herstellung einer solchen Struktur werden in dem kurzen Mathworks-Video beschrieben, das einen einfachen kreisförmigen Puffer implementiert. Für jede Iteration Ihrer Hauptschleife, die ein einziges Bild behandelt, laden Sie einfach ein neues Bild in den Zirkular-Puffer und verwenden Sie dann MATLAB s gebaut in Mittelwertfunktion, um den Durchschnitt effizient zu nehmen. Wenn Sie eine Fensterfunktion auf die Daten anwenden müssen, dann machen Sie eine temporäre Kopie der Frames multipliziert mit der Fensterfunktion und nehmen Sie den Durchschnitt der Kopie bei jeder Iteration der Schleife. Beantwortet Aug 6 12 at 10:11 berechnet eine Art von Moving Average für jede der 10 Bands über alle Ihre Bilder. Diese Zeile berechnet einen gleitenden Mittelwert des Mittelwertes über Ihre Bilder: Für beide wird eine Pufferstruktur hinzugefügt, die nur die letzten 10 Bilder enthält. Um es zu vereinfachen, können Sie auch einfach alles im Gedächtnis behalten. Hier ist ein Beispiel für Yout: Ändern Sie diese Zeile: (Eine Dimension hinzufügen) Und ändern Sie diese: Dann zur Anzeige verwenden Sie würden sth. 1 2 3 4 5 6 7 8 9 10 Weiter Letzte Aktualisierung am Donnerstag, den 14. März 2013 um 01:29 Uhr Geschrieben von Batuhan Osmanoglu Zugriffe: 40806 Moving Average In Matlab Oft Ich finde mich in der Notwendigkeit der Mittelung der Daten, die ich haben, um das Rauschen ein wenig zu reduzieren. Ich schrieb paar Funktionen, um genau das tun, was ich will, aber Matlabs in Filter-Funktion gebaut funktioniert auch ziemlich gut. Hier schreibe ich über 1D und 2D Mittelung von Daten. 1D-Filter kann mit der Filterfunktion realisiert werden. Die Filterfunktion erfordert mindestens drei Eingangsparameter: den Zählerkoeffizienten für den Filter (b), den Nennerkoeffizienten für den Filter (a) und natürlich die Daten (X). Ein laufender Mittelwertfilter kann einfach definiert werden: Für 2D-Daten können wir die Funktion Matlabs filter2 verwenden. Für weitere Informationen, wie der Filter funktioniert, können Sie eingeben: Hier ist eine schnelle und schmutzige Implementierung eines 16 von 16 gleitenden durchschnittlichen Filters. Zuerst müssen wir den Filter definieren. Da alles, was wir wollen, gleicher Beitrag aller Nachbarn ist, können wir einfach die Funktion verwenden. Wir teilen alles mit 256 (1616), da wir nicht den allgemeinen Pegel (Amplitude) des Signals ändern wollen. Zur Anwendung des Filters können wir einfach sagen, die folgenden Unten sind die Ergebnisse für die Phase eines SAR-Interferogramms. In diesem Fall ist der Bereich in der Y-Achse und der Azimut auf der X-Achse abgebildet. Der Filter war 4 Pixel breit im Bereich und 16 Pixel breit im Azimut.