目录
边界问题
解决边界方法
裁剪
环绕
复制边缘
反射
Matlab实战
边界问题
进行过滤时出现的一件事是如何处理边界，因为您可能会问当过滤器脱离边缘时会发生什么。
当您的过滤器掉落边缘时会发生什么？
所以你必须考虑你想要的大小操作，这样就可以这样说明。
在这里，我们将使用一些旧的MatLab命名法，他们已经改变了它，因为旧的MatLab命名法实际上已经清楚了。如图：
这里我有一个函数f，我用g过滤它。
你可能会试着好好考虑一下，我想要的尺寸输出是多少。
并且有三种不同的可能尺寸。
一个是当g刚触及那个角落时，我开始得到反馈。
因此，如果我将g的中心点视为参考，我实际上会得到一个比原始函数更大的盒子。
另一方面，如果我想确保所有g实际上都是触摸f，那么我将再次使用中心点，最后我的输出比原来的要小。如图
而且，这被称为有效，因为所有这些点实际上都是正确的。
但问题是当我过滤55*55的图像时，我真的想要回55*55。
我不想回到58*58或52*52。
我想要的是同样的。如图：
所以在这里你看到我们把那个过滤器的中间放在角落里，然后我们回到相同的大小。
那么问题当然，是在这些像素下面突然出现了什么？
基本上当你进行过滤时，你必须告诉系统你想要什么。
解决边缘方法
MATLAB有几种方法可以考虑如何做到这一点。
我们将再次使用旧的MATLAB命名法，然后我将告诉你有关新的命名法。
所以有几种不同的方法。
裁剪
第一种方法叫做clip（裁剪）。看图
Clip基本上意味着：我假设外边界是黑色的。
然后我应用我的过滤器，所以在这里我可以看到我的过滤器。
当我拿出图像时，你会注意到这个东西在边缘变得很暗。
这是有道理的，因为黑色已经泄露。如图：
但那被称为裁剪。
环绕
另一种方法称为环绕。这是一种奇怪的方法。
它与我们稍后将讨论的一些傅里叶分析（重点知识）有关。
基本上它说我假设我的照片连续并且链接在一起。如图：
这意味着：你看到了边界那里被填写了东西。如图：
这就是图片这一侧的内容。这里更容易看到。
这些，这些红辣椒来自这里。
黄色的稻草来自那边。
这是假设您实际看到的是周期性信号。所以，如果您正在查看周期性信号。
接下来会发生的事情就是它开始时的东西。
那么，在过滤中，在图像过滤中，这不能很好地工作。
在这里，我将应用滤镜，然后我将剪切回原始尺寸的图像。
你会注意到这里有一些红色的东西。如图：
红色的东西来自哪里？
它实际上是从底部来的，因为它缠绕着。如图：
复制边缘
有一种称为复制边缘或复制的方法，你基本上可以扩展出来。原始图：
所以我只是扩展了相同的值。如图：
然后我运行我的过滤器，然后我拿出我的照片，这是合理的。如图：
复制方法是一个简单的方法，它给你一个合理的结果。
它基本上保持图像类型不变。
现在的问题是，统计数据当然是不同的。
因为你有这个漂亮的变化图像，然后你让一切都变得相同。
反射
因此，另一种方法称为反射。好的，有时被称为对称的。
那就是你，你反映出来的形象。原始图像：
在这里，我就是这样做的。如图：
事实上，让我在这里画画。
这是反射边缘。
实际上，如果我擦除它，很难看到那个边缘。
因为我基本上是，我拍摄图像然后再将它折叠起来。
所以，我把它拿出来。我应用我的过滤器。如图：
然后我拿出图像，它实际上做得很好。
所以，通常你要么想做所谓的复制，要么复制边缘或反射整个图像。
在新的MATLAB中，这些使用名为imfilter的函数表示，它来自图像处理工具箱。
你可以输入一个值。将该值放入，所以我们输入0，就像剪切一样。如图：
你可以用圆形环绕，然后复制边缘是复制的，反射是对称的。通常，您将使用复制或对称。如图：
小测验：
处理边界条件的反射方法是，在滤波中由于：
A）创建的图像具有与原始图像相同的统计数据。
B）计算是这些方法中最便宜的。
C）将像素设置为零很快。
D）以上都不是。
答案：C。A是校正的。通过执行该反射创建的图像具有相同的统计信息。B是错误的，这种计算对电脑来说无关要紧的。
Matlab实战
那么哪个是您最喜欢的处理边界问题的选择？
加载图像包，读取图像，创建高斯滤波器。
>> pkg load image;>>>> img = imread('fall-leaves.png');>> imshow(img);>>>> filter_size = 21;>> filter_sigma = 3;>> filter = fspecial('gaussian', filter_size, filter_sigma);
记住高斯是特别的（指的是函数fspecial）。
现在，当您应用它时，请指定边参数。传入0等于默认值。
>> smoothed = imfilter(img, filter, 0);
运行代码，你可以看到沿着所有边界的黑色渗透。如图：
这是因为我们传入0。如果我们输入其他数字会怎么样？
试试看。输入圆形怎么样？
>> smoothed = imfilter(img, filter, ‘circular’);
运行代码，如图：
如果你仔细观察，你会看到这边的绿色渗透，而另一边则是一点点红色。
试试复制。
>> smoothed = imfilter(img, filter, ‘replicate’);
运行代码，如图：
复制并不算太糟糕。没有明显的影响。
最后尝试对称，或称为跨边界反射。
>> smoothed = imfilter(img, filter, ‘symmetric’);
也不错，实际上与复制没有太大区别。
您可以随意尝试这些不同的选项，过滤器大小和Sigma。
——学会编写自己的代码，才能练出真功夫。
