【MATLAB例程，图像滤波降噪12】加权中值滑动窗口滤波（WMF）图像降噪，包含滤波质量评价。附代码下载链接

原创代码，欢迎交流，但请勿翻卖

非AI生成，有中文注释，可联系我获取代码定制。讲解等

文章目录

运行结果
MATLAB源代码

面向图像局部噪声抑制与细节保持问题，独立实现加权中值滑动窗口滤波（WMF）。程序为窗口不同位置赋予整数权重，将对应灰度值按权重重复后取中值，使中心与近邻具有更强影响，同时保持对椒盐脉冲的鲁棒性。程序采用单个 .m 文件组织，仅使用基础MATLAB，自行生成测试图像、椒盐脉冲噪声、边界扩展、滤波计算和质量指标，关键步骤配有中文注释，适合图像处理课程实验、算法原理学习、参数调试和二次开发。

运行结果

原始与含噪图像图：对比包含渐变、纹理、几何边缘和细线结构的原始测试图像与椒盐脉冲噪声图像。
滤波结果与误差图：展示加权中值滑动窗口滤波（WMF）输出及其相对原始图像的绝对误差。
边缘剖面与质量指标图：对比典型行灰度剖面，并给出滤波前后的PSNR、局部SSIM和边缘保持指标。

命令行输出：直接输出图像与窗口尺寸、噪声类型、MSE、PSNR、局部SSIM、边缘指标、提升量、运行时间及有效值检查结果。

程序结构：

MATLAB源代码

部分代码如下：

matlab 复制代码

%% 加权中值滑动窗口滤波（WMF）图像处理例程
% 作者：matlabfilter（V同号），接定位与导航、滤波相关的matlab代码定制
% 2026-08-27/Ver1

clc; clear; close all;
rng(0);

%% 参数设置与测试图像
cfg.imageSize = 128;
cfg.windowSize = 3;
cfg.noiseDescription = '椒盐脉冲噪声';
cfg.impulseDensity = 0.070;
originalImage = generateTestImage(cfg.imageSize);

%% 添加与算法场景匹配的噪声
noisyImage = originalImage;
impulseMask = rand(size(originalImage));
noisyImage(impulseMask < cfg.impulseDensity / 2) = 0;
noisyImage(impulseMask >= cfg.impulseDensity / 2 & impulseMask < cfg.impulseDensity) = 1;

%% 执行加权中值滑动窗口滤波（WMF）
tic;
[filteredImage, diagnosticData] = applyCurrentFilter(noisyImage, cfg);
elapsedTime = toc;
filteredImage = clipImage(filteredImage);

assert(isequal(size(filteredImage), size(originalImage)), '滤波结果尺寸与输入不一致。');
assert(all(isfinite(filteredImage(:))), '滤波结果包含NaN或Inf。');
assert(all(filteredImage(:) >= 0 & filteredImage(:) <= 1), '滤波结果超出[0,1]范围。');

%% 手工计算图像质量指标
noisyMetrics = evaluateImageQuality(originalImage, noisyImage);
filteredMetrics = evaluateImageQuality(originalImage, filteredImage);
printResults(cfg, noisyMetrics, filteredMetrics, elapsedTime);

%% 绘图：图窗保持纯净，源码不保存图片或添加水印
plotOriginalAndNoisy(originalImage, noisyImage, cfg);
plotFilteredAndError(originalImage, filteredImage);
plotProfileAndMetrics(originalImage, noisyImage, filteredImage, ...
    noisyMetrics, filteredMetrics);


%% 本地函数
function [filteredImage, diagnosticData] = applyCurrentFilter(noisyImage, cfg)
radius = floor(cfg.windowSize / 2);
padded = reflectPad(noisyImage, radius, radius);
filteredImage = zeros(size(noisyImage));
integerWeight = [1, 2, 1; 2, 4, 2; 1, 2, 1];
for row = 1:size(noisyImage, 1)
    for column = 1:size(noisyImage, 2)
        region = padded(row:row + 2 * radius, column:column + 2 * radius);
        expandedValues = zeros(sum(integerWeight(:)), 1);
        position = 1;
        for index = 1:numel(region)
            count = integerWeight(index);
            expandedValues(position:position + count - 1) = region(index);
            position = position + count;
        end
        filteredImage(row, column) = median(expandedValues);
    end
end
diagnosticData = [];
end

完整代码下载链接：

如需帮助，或有导航、定位滤波相关的代码定制需求，可从个人主页左侧联系我