matlab 点云滤波（中值、均值、高斯滤波）代码_相关滤波matlab代码

相关文章推荐
想出国的皮蛋 · 开州区2023年学校新提任校级干部领导力 ...· 4 月前 ·
眼睛小的柚子 · 真正的“极品美人”都是雌雄同体，躲过了林青霞 ...· 1 年前 ·
老实的灭火器 · 小河助阵独立新锐 ...· 1 年前 ·
踏实的碗 · 极狐阿尔法E专利申报图曝光，极狐华为深度20 ...· 1 年前 ·
逆袭的板栗 · Ubuntu安装音频编辑软件Audacity ...· 1 年前 ·
介绍一下滤波函数
smoothdata: 对含噪数据进行平滑处理
B = smoothdata(___,method) 为上述任一语法指定平滑处理方法。例如，B = smoothdata(A,'sgolay') 使用 Savitzky-golay 滤波器对 A 中的数据进行平滑处理。
 Method-平滑处理方法 
"movmean"(默认)|'movmedian'|'gaussian'|'lowess'|'loess'|'rlowess'|'rloess'|'sgolay' 
'movmean'   -A的每个窗口内的移动平均值，此方法对于减少数据中的周期性趋势很有用。
'movmedian'  -A的每个窗口的移动中位数。当存在离群值时，此方法对于减少数据中的周期性区域很有用。
'gaussian'   -A的每个窗口内的高斯加权移动平均值
'lowess'  -A的每个窗口内的线性回归。该方法可能会耗费大量的计算资源但会减少不连续性
'loess'  -A 的每个窗口内的二次回归。此方法的计算开销略高于‘lowess’。
'rlowess'  -A的每个窗口内的稳健性线性回归。此方法比lowess的方法的计算开销更大，不过它处理离群值时更为稳健
'rloess'  -A 的每个窗口内的稳健二次回归。此方法比loess方法的计算量开销更大，不过它在处理离群值时更为稳健
'sgolay'   -Savitzky-Golay滤波器，它根据在A的每个窗口上拟合的二次多项式进行平滑处理。当数据变化很快时，此方法可能比其他方法更有效。 
clc;clear all;close all;
%点云按高程进行赋色
%首先按照Z轴方向求取所在点云的高程极值(包括高程最大值与最小值)，然后将高程归一化到0~255范围内，最后采用matlab中的colormap颜色染函数进行赋色并保存渲染结果到点云。
%读取点云
filename='E:\程序库\点云\规则点云\bunny.pcd';
ptCloud=pcread(filename);
x=ptCloud.Location(:,1);
y=ptCloud.Location(:,2)
z=ptCloud.Location(:,3)
zMIN=ptCloud.ZLimits(2)
zMAX=ptCloud.ZLimits(1)
color=hsv(256);
%hsv:以三列数组形式返回 hsv 颜色图，其中包含的行数与当前图窗的颜色图相同。如果不存在图窗，则行数等于默认长度 256。数组中的每一行包含一种特定颜色的红、绿、蓝强度。强度介于 [0,1] 范围内。
pccolor=zeros(length(z),3);%返回当前点云的颜色图
for i =1:length(z)
    index=floor(255*(z(i)-zMIN)/(zMAX-zMIN))+1;%将高程归一化到[0,255]
    pccolor(i,:)=color(index,:);%将高度为index的对应的hsv颜色图赋值给点云的颜色图。
%添加高斯噪声,均值为0，标准差为0.002
noise=normrnd(0,0.002,size(ptCloud.Location));
addgaussian=ptCloud.Location+noise;
%高斯平滑
pt_gaussiansmooth=smoothdata(addgaussian,'gaussian');
%均值平滑
pt_movmeansmooth=smoothdata(addgaussian,'movmean');
%中值平滑
pt_movmediansmooth=smoothdata(addgaussian,'movmedian');
%可视化原始点云
figure;subplot(221);pcshow(filename);title('原始点云');
%可视化高程赋色后的点云
ptColor2 = pointCloud(ptCloud.Location,"Color",pccolor);
subplot(222);pcshow(ptColor2);title('高程赋色后的点云');
colorbar;%显示颜色带
%可视化添加高斯噪声后的点云
subplot(2,2,[3,4]);pcshow(addgaussian);title('添加高斯噪声后的点云')
figure;subplot(221);pcshow(addgaussian);title('添加高斯噪声后的点云')
subplot(222);pcshow(pt_gaussiansmooth);title('高斯平滑');
subplot(223);pcshow(pt_movmeansmooth);title('均值平滑');
subplot(224);pcshow(pt_movmediansmooth);title('中值平滑');
				img=imread('lena.png');
img=rgb2gray(img)
img=im2double(img)%输入图像类型为uint8,将其转换为double类型进行运算
gau=imnoise(img,'gaussian');
subplot(2,2,1);imshow(gau);title('添加高斯噪声的图像');%imshow()函数在显示图像时会自动将类型转换为uin
function output = meanFilter(image, windowSize)
    [m, n] = size(image);
    output = zeros(m, n);
    for i = 1:m
        for j = 1:n
            sum = 0;
            count = 0;
            for k = i-floor(windowSize/2):i+floor(windowSize/2)
                for l = j-floor(windowSize/2):j+floor(windowSize/2)
                    if (k > 0 && k <= m && l > 0 && l <= n)
                        sum = sum + image(k, l);
                        count = count + 1;
            output(i, j) = sum / count;
2. MATLAB中值滤波代码：
function output = medianFilter(image, windowSize)
    [m, n] = size(image);
    output = zeros(m, n);
    for i = 1:m
        for j = 1:n
            values = [];
            for k = i-floor(windowSize/2):i+floor(windowSize/2)
                for l = j-floor(windowSize/2):j+floor(windowSize/2)
                    if (k > 0 && k <= m && l > 0 && l <= n)
                        values = [values, image(k, l)];
            output(i, j) = median(values);
3. 理想低通滤波代码：
function output = idealLowpassFilter(image, D0)
    [m, n] = size(image);
    output = zeros(m, n);
    u = 0:(m-1);
    v = 0:(n-1);
    idx = find(u > m/2);
    u(idx) = u(idx) - m;
    idy = find(v > n/2);
    v(idy) = v(idy) - n;
    [V, U] = meshgrid(v, u);
    D = sqrt(U.^2 + V.^2);
    H = double(D <= D0);
    F = fftshift(fft2(image));
    output = real(ifft2(ifftshift(F .* H)));
4. 巴特沃斯低通滤波代码：
function output = butterworthLowpassFilter(image, D0, n)
    [m, n] = size(image);
    output = zeros(m, n);
    u = 0:(m-1);
    v = 0:(n-1);
    idx = find(u > m/2);
    u(idx) = u(idx) - m;
    idy = find(v > n/2);
    v(idy) = v(idy) - n;
    [V, U] = meshgrid(v, u);
    D = sqrt(U.^2 + V.^2);
    H = 1 ./ (1 + ((D ./ D0).^(2*n)));
    F = fftshift(fft2(image));
    output = real(ifft2(ifftshift(F .* H)));
5. 高斯高通滤波代码：
function output = gaussianHighpassFilter(image, D0)
    [m, n] = size(image);
    output = zeros(m, n);
    u = 0:(m-1);
    v = 0:(n-1);
    idx = find(u > m/2);
    u(idx) = u(idx) - m;
    idy = find(v > n/2);
    v(idy) = v(idy) - n;
    [V, U] = meshgrid(v, u);
    D = sqrt(U.^2 + V.^2);
    H = 1 - exp(-1 * (D.^2) / (2 * D0^2));
    F = fftshift(fft2(image));
    output = real(ifft2(ifftshift(F .* H)));
以上是MATLAB中实现均值滤波、中值滤波、理想低通滤波、巴特沃斯低通滤波和高斯高通滤波的代码。参数说明：image为输入图像，windowSize为滤波窗口的大小，D0为截止频率，n为巴特沃斯滤波器的阶数。输出结果为滤波后的图像。  
### 回答2：
1. 均值滤波（Mean Filter）：
   function output = meanFilter(input, windowSize)
       % 获取输入图像的大小
       [height, width] = size(input);
       % 创建输出图像
       output = zeros(height, width);
       % 定义窗口大小的一半
       halfWindowSize = floor(windowSize / 2);
       for i = halfWindowSize + 1 : height - halfWindowSize
           for j = halfWindowSize + 1 : width - halfWindowSize
               % 获取当前像素的邻域
               neighborhood = input(i - halfWindowSize : i + halfWindowSize, j - halfWindowSize : j + halfWindowSize);
               % 计算邻域内像素的平均值，并赋值给输出图像对应位置的像素
               output(i, j) = mean(neighborhood(:));
2. 中值滤波（Median Filter）：
   function output = medianFilter(input, windowSize)
       % 获取输入图像的大小
       [height, width] = size(input);
       % 创建输出图像
       output = zeros(height, width);
       % 定义窗口大小的一半
       halfWindowSize = floor(windowSize / 2);
       for i = halfWindowSize + 1 : height - halfWindowSize
           for j = halfWindowSize + 1 : width - halfWindowSize
               % 获取当前像素的邻域
               neighborhood = input(i - halfWindowSize : i + halfWindowSize, j - halfWindowSize : j + halfWindowSize);
               % 计算邻域内像素的中值，并赋值给输出图像对应位置的像素
               output(i, j) = median(neighborhood(:));
3. 理想低通滤波（Ideal Lowpass Filter）：
   function output = idealLowpassFilter(input, cutoffFreq)
       % 获取输入图像的大小和中心位置
       [height, width] = size(input);
       centerX = floor(width / 2) + 1;
       centerY = floor(height / 2) + 1;
       % 创建输出图像
       output = zeros(height, width);
       % 计算频域的网格
       [X, Y] = meshgrid(1 : width, 1 : height);
       % 计算频率坐标
       freqX = X - centerX;
       freqY = Y - centerY;
       % 计算距离中心频率的距离
       distance = sqrt(freqX.^2 + freqY.^2);
       % 应用理想低通滤波器
       output(distance <= cutoffFreq) = input(distance <= cutoffFreq);
4. 巴特沃斯低通滤波（Butterworth Lowpass Filter）：
   function output = butterworthLowpassFilter(input, cutoffFreq, order)
       % 获取输入图像的大小和中心位置
       [height, width] = size(input);
       centerX = floor(width / 2) + 1;
       centerY = floor(height / 2) + 1;
       % 创建输出图像
       output = zeros(height, width);
       % 计算频域的网格
       [X, Y] = meshgrid(1 : width, 1 : height);
       % 计算频率坐标
       freqX = X - centerX;
       freqY = Y - centerY;
       % 计算距离中心频率的距离
       distance = sqrt(freqX.^2 + freqY.^2);
       % 应用巴特沃斯低通滤波器
       output = input .* (1 ./ (1 + (distance ./ cutoffFreq).^(2 * order)));
5. 高斯高通滤波（Gaussian Highpass Filter）：
   function output = gaussianHighpassFilter(input, sigma)
       % 获取输入图像的大小和中心位置
       [height, width] = size(input);
       centerX = floor(width / 2) + 1;
       centerY = floor(height / 2) + 1;
       % 创建输出图像
       output = zeros(height, width);
       % 计算频域的网格
       [X, Y] = meshgrid(1 : width, 1 : height);
       % 计算频率坐标
       freqX = X - centerX;
       freqY = Y - centerY;
       % 计算距离中心频率的距离
       distance = sqrt(freqX.^2 + freqY.^2);
       % 应用高斯高通滤波器
       output = input .* (1 - exp(-(distance.^2) / (2 * sigma^2)));
### 回答3：
matlab中均值滤波、中值滤波、理想低通滤波、巴特沃斯低通滤波和高斯高通滤波的代码如下：
1. 均值滤波代码：
```matlab
% 均值滤波
function output = meanFilter(input, windowSize)
    [m, n] = size(input);
    output = zeros(m, n);
    halfSize = floor(windowSize / 2);
    for i = 1 + halfSize : m - halfSize
        for j = 1 + halfSize : n - halfSize
            % 取窗口内矩阵的均值
            output(i, j) = mean2(input(i-halfSize:i+halfSize, j-halfSize:j+halfSize));
2. 中值滤波代码：
```matlab
% 中值滤波
function output = medianFilter(input, windowSize)
    [m, n] = size(input);
    output = zeros(m, n);
    halfSize = floor(windowSize / 2);
    for i = 1 + halfSize : m - halfSize
        for j = 1 + halfSize : n - halfSize
            % 取窗口内矩阵的中值
            output(i, j) = median(input(i-halfSize:i+halfSize, j-halfSize:j+halfSize), 'all');
3. 理想低通滤波代码：
```matlab
% 理想低通滤波
function output = idealLowpassFilter(input, cutoffFrequency)
    [m, n] = size(input);
    output = ifftshift(input);
    output = fft2(output);
    % 构造理想低通滤波器
    H = zeros(m, n);
    for u = 1 : m
        for v = 1 : n
            D = sqrt((u - m/2)^2 + (v - n/2)^2);
            if D <= cutoffFrequency
                H(u, v) = 1;
    % 与输入图像的傅里叶变换做点乘
    output = output .* H;
    output = abs(ifft2(output));
4. 巴特沃斯低通滤波代码：
```matlab
% 巴特沃斯低通滤波
function output = butterworthLowpassFilter(input, cutoffFrequency, n)
    [m, n] = size(input);
    output = ifftshift(input);
    output = fft2(output);
    % 构造巴特沃斯低通滤波器
    H = zeros(m, n);
    for u = 1 : m
        for v = 1 : n
            D = sqrt((u - m/2)^2 + (v - n/2)^2);
            H(u, v) = 1 / (1 + (D / cutoffFrequency)^(2*n));
    % 与输入图像的傅里叶变换做点乘
    output = output .* H;
    output = abs(ifft2(output));
5. 高斯高通滤波代码：
```matlab
% 高斯高通滤波
function output = gaussianHighpassFilter(input, cutoffFrequency)
    [m, n] = size(input);
    output = ifftshift(input);
    output = fft2(output);
    % 构造高斯高通滤波器
    H = zeros(m, n);
    for u = 1 : m
        for v = 1 : n
            D = sqrt((u - m/2)^2 + (v - n/2)^2);
            H(u, v) = 1 - exp(-(D^2 / (2 * cutoffFrequency^2)));
    % 与输入图像的傅里叶变换做点乘
    output = output .* H;
    output = abs(ifft2(output));
以上是一些简单的滤波方法的代码实现，只适用于二维的图像数据。具体的使用细节和参数调整可以根据实际情况进行修改。
                (清华源)ERROR: Could not find a version that satisfies the requirement pycocotools (unavailable)
                    代码怎么这么难π_π: 
                    成功了！！！！！！！
                Qt +VTK+Cmake 编译和环境配置（第一篇 采坑）
                    Vertira: 
                    用 vs版的qt  就没有这个问题
                Open3d实现点云匹配ICP(代码)
                    大李不讲理: 
                    有没有数据集啊老师
                DeprecationWarning: NEAREST is deprecated and will be removed in Pillow 10 (2023-07-01). Use Resampl
                    2580185125路西: 
                Qt +VTK+Cmake 编译和环境配置（第一篇 采坑）
                    2301_77545624: 
                    你好，最后一个删除重新编译是什么意思，我也是最后一样的问题