在图像处理中，我们经常会遇到这样的需求，即只想要对图像的局部进行图像处理，而不是对图像的整体进行图像处理。这时候，我们就需要考虑图像的分块操作思想。

MATLAB中，针对图像块操作的不同类型，提供了不同的块操作函数。例如nlfilter()函数是基于滑动邻域的操作，blkproc()函数是基于非重叠块的图像处理。此外，MATLAB图像处理工具箱还提供了colfilt()函数，用于实现图像的快速邻域操作，达到加快图像块处理的速度。

实际上，图像块操作的类型有两种：非重叠块操作和滑动邻域操作。

非重叠块操作：对原图像的划分不存在重叠区域，且划分的区域是同样大小的；从图像左上角开始划分，若图像不能被恰好划分，则在右下角补零；对某一图像块进行处理后，得到的是对应输出图像中同样大小的图像块；

非重叠块操作示意图

滑动邻域操作：是基于像素级的操作模式，以原图像某像素点为中心，以指定大小的图像块作为该像素点的邻域，对该像素点的整个邻域进行处理，每次处理后仅得到输出图像中对应像素点的值，而不是一个图像块的计算结果，而且，接下来不改变邻域的大小，仅仅移动邻域的中心像素位置，从而计算出所有的输出图像像素值，在这一过程中相邻图像邻域很明显有重叠区域。

滑动邻域的中心点位置：设滑动邻域的大小为m*n，则中心点位置为floor([m+1 n+1]/2)；例如邻域2*2———>[1 1]，邻域2*3——>[1 2]。

滑动邻域操作示意图

下面，就对MATLAB中的块操作函数作介绍：

在MATLAB图像处理工具箱中提供了一个通用的blkproc()函数，用于非重叠图像块操作。该函数的调用格式如下：

• B = blkproc(A,[m n],fun)：表示按 m×n 的图像块划分图像 A，并做fun函数定义的运算，必要时要补零；fun为一种运算函数，其形式为 y=fun(x)，x表示被操作的图像块。

• B = blkproc[A,[m n],[mborder nborder],fun]：指定图像块的扩展边界mborder和nborder，使得实际操作的图像块大小为(m+2*mborder)*(n+2*nborder)。这种情况下，各图像块之间可以重叠，因为每个图像块都会额外增加一定的行和列。

• B = blkproc(A,’indexed’,⋯)：用于索引色图像的块操作。

在MATLAB图像处理工具箱中提供了一个通用的nlfilter()函数，用于实现滑动邻域的移动操作，并把待处理图像、邻域大小和一个处理函数（返回值为标量）作为输入参数，返回与输入图像大小相同的图像作为输出结果。该函数的调用格式如下：

• B = nlfilter(A, [m n], fun)：对图像A进行操作，得到图像B。其中[m n]表示滑动领域大小为m*n；参数fun为基于滑动邻域的处理函数，返回值为一个标量；例如x表示邻域，则有表达式c=fun(x)，c为一个标量，表示对应图像邻域x的中心像素的输出值；

• B = nlfilter(A, 'indexed',...)：用于索引图像的滑动邻域操作。若图像数据位double类型，则当对图像邻域进行填补时，图像以外的区域补“1”；若为uint8类型，则图像以外的区域补“0”。

为了加快图像块处理的速度，MATLAB图像处理工具箱提供了一个快速处理函数colfilt()，可以处理非重叠图像块操作和滑动邻域操作。该函数的调用格式如下：

• B = colfilt(A,[m n],block_type,fun)：实现快速块处理；block_type=’distinct’，表示非重叠图像块；block_type=’sliding’，表示滑动邻域；

• B = colfilt(A,[m n],[mblock nblock],block_type,fun)：为了节省内存，按mblock*nblock的图像块对图像A进行块处理；

• B = colfilt(A,’indexed’,⋯)：将A作为索引图像处理。当A的数据类型为uint8或uint16，用”0“填充；当A的数据类型为double或single，用”1“填充。

快速块操作生成临时矩阵示意图

下面，提供一个简单实例来具体说明上述函数的用法和处理效果：

代码：

demo1

demo2

demo2

显示效果：

demo1运行时间

demo2运行时间

demo3运行时间

demo1_figure1

demo1_figure2

demo1_figure3

demo2

demo3

从上面的运行结果可以看出，MATLAB提供的快速块操作函数确实是运行时间短，运行速度快的！

最后，感谢您的耐心阅读！

MATLAB的世界

MATLAB语言之程序性能优化

上一篇：MATLAB数字图像运算之图像配准