我正在處理具有測量強度的圖像文件，基本上提取1x1x1像素大小的體素。圖像文件正在形成一個體積以避免峯值強度。我想找到一種平均超過3x3x3像素的方法。在192x192x24體積中的3x3x3體素的平均值
我的問題是要解決這個問題，因爲它是由零和其他值分隔的圖像中的形狀。所以，我首先考慮了一個for -loop與if -statement。這些是我迄今對for -loop和if-陳述所做的考慮。 MATLAB通過簡單的for循環將音量視爲一個長矩陣，應該很容易找到非零值及其相鄰值，並取這些值的平均值。問題出現在我必須考慮z維度的時候。
這顯然不是最佳工作，我覺得很難說明邊界效應。
我希望我正在解釋你的問題，但是你想在輸入圖像中的每個體素中找到3 x 3 x 3體素體積的平均值，其中每個輸入體素充當每個3 x 3的中心x 3體素量被平均。如果您可以選擇使用MATLAB的內置函數，請考慮使用與convn的N-D卷積。不要在這裏使用循環，因爲它會非常慢。對於convn，第一個參數是3D圖像，第二個參數是3 x 3 x 3內核，其值均等於1/27。如果卷積核超出輸入圖像的範圍，您還可以選擇指定沿邊界發生的情況。通常，您想要返回與輸入大小相同的輸出圖像，因此您可能需要將'same'標誌指定爲第三個可選參數。該平均機制還假定外邊緣是零填充的。
因此，假設您的圖像存儲在im，做這樣的事情：
%// Create kernel of all 1/27 in a 3 x 3 x 3 matrix
kernel = ones(3,3,3);
kernel = kernel/numel(kernel);
%// Perform N-D convolution
out = convn(double(im), kernel, 'same'); %// Cast to double for precision
out = cast(out, class(im)); %// Recast back to original data type
或者，如果你有機會到圖像處理工具箱，用imfilter代替。這個和convn不同的是，imfilter使用Intel Integrated Performance Primitives (IIPP)寫的，所以性能肯定會更快：
%// Create kernel of all 1/27 in a 3 x 3 x 3 matrix
kernel = ones(3,3,3);
kernel = kernel/numel(kernel);
%// Perform N-D convolution
out = imfilter(im, kernel);
的好處是，你是不是需要改變輸入類型。 imfilter自動推斷此，輸入圖像的原始類型的處理和imfilter的輸出類型是否與輸入類型相同。使用convn時，您必須確保您的數據在使用前處於浮點狀態。