均值滤波、中值滤波的matlab实现

发布时间:2017-5-25 6:03:12 编辑:www.fx114.net 分享查询网我要评论
本篇文章主要介绍了"均值滤波、中值滤波的matlab实现",主要涉及到均值滤波、中值滤波的matlab实现方面的内容,对于均值滤波、中值滤波的matlab实现感兴趣的同学可以参考一下。

本文转自:http://blog.csdn.net/timidsmile/article/details/6904381 目前比较经典的图像去噪算法主要有以下三种: 均值滤波算法:也称线性滤波,主要思想为邻域平均法,即用几个像素灰度 的平均值来代替每个像素的灰度。有效抑制加性噪声,但容易引起图像模糊, 可以对其进行改进,主要避开对景物边缘的平滑处理。 [cpp] view plaincopy %x是需要滤波的图像,n是模板大小(即n×n)   function d=avg_filter(x,n)      a(1:n,1:n)=1;   %a即n×n模板,元素全是1   [height, width]=size(x);   %输入图像是hightxwidth的,且hight>n,width>n   x1=double(x);   x2=x1;   for i=1:hight-n+1       for j=1:width-n+1           c=x1(i:i+(n-1),j:j+(n-1)).*a; %取出x1中从(i,j)开始的n行n列元素与模板相乘           s=sum(sum(c));                 %求c矩阵中各元素之和           x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n); %将与模板运算后的各元素的均值赋给模板中心位置的元素       end   end   %未被赋值的元素取原值   d=uint8(x2);   中值滤波:基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号 处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域, 一般为方形邻域,也可以为圆形、十字形等等,然后将邻域中各像素的灰度 值排序,取其中间值作为中心像素灰度的新值,这里领域被称为窗口,当窗 口移动时,利用中值滤波可以对图像进行平滑处理。其算法简单,时间复杂 度低,但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化 [cpp] view plaincopy %自编的中值滤波函数。x是需要滤波的图像,n是模板大小(即n×n)   function d=mid_filter(x,n)      [height, width]=size(x);   %输入图像是p×q的,且p>n,q>n   x1=double(x);   x2=x1;   for i=1:height-n+1       for j=1:height-n+1           c=x1(i:i+(n-1),j:j+(n-1)); %取出x1中从(i,j)开始的n行n列元素,即模板(n×n的)           e=c(1,:);      %是c矩阵的第一行           for u=2:n               e=[e,c(u,:)];     %将c矩阵变为一个行矩阵               end           mm=median(e);      %mm是中值           x2(i+(n-1)/2,j+(n-1)/2)=mm;   %将模板各元素的中值赋给模板中心位置的元素       end   end    %未被赋值的元素取原值   d=uint8(x2);   %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 另一个版本: [plain] view plaincopy a=imread('lena_0.005.bmp');   a=double(a);   [dep,wide]=size(a);   new_image=ones(size(a));   for i=3:dep-2       for j=3:wide-2           new_image(i,j)=median([a(i-2,j-2) a(i-2,j-1) a(i-2,j) a(i-2,j+1) a(i-2,j+2) a(i-1,j-2) a(i-1,j-1) a(i-1,j) a(i-1,j+1) a(i-1,j+2) a(i,j-2) a(i,j-1) a(i,j) a(i,j+1) a(i,j+2) a(i+1,j-2) a(i+1,j-1) a(i+1,j) a(i+1,j+1) a(i+1,j+2) a(i+2,j-2) a(i+2,j-1) a(i+2,j) a(i+2,j+1) a(i+2,j+2)]);       end   end      for i=3:dep-2 %处理每一行的最头上两个和最边上2个       new_image(i,1)=new_image(i,3);       new_image(i,2)=new_image(i,3);                                                                                                      new_image(i,wide)=new_image(i,wide-2);       new_image(i,wide-1)=new_image(i,wide-2);     end      new_image(1,:)=new_image(3,:); %把第三行的所有元素赋值给第一行   new_image(2,:)=new_image(3,:);   new_image(dep,:)=new_image(dep-2,:);%把倒数第二行的所有元素值赋给最后一行   new_image(dep-1,:)=new_image(dep-2,:);          figure       imshow(uint8(a))       figure       imshow(uint8(new_image))             % imwrite(uint8(new_image),'lena_0.005_median_5.bmp','bmp')                        %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%5 。 Wiener 维纳滤波:使原始图像和其恢复图像之间的均方误差最小的复原方法, 是一种自适应滤波器,根据局部方差来调整滤波器效果。对于去除高斯噪声 效果明显。 另: 高斯滤波函数: [cpp] view plaincopy %自编的高斯滤波函数,S是需要滤波的图象,n是均值,k是方差   function d=gaussfilt(k,n,s)    Img = double(s);    n1=floor((n+1)/2);%计算图象中心    for i=1:n        for j=1:n          b(i,j) =exp(-((i-n1)^2+(j-n1)^2)/(4*k))/(4*pi*k);        end    end    %生成高斯序列b。   Img1=conv2(Img,b,'same'); %用生成的高斯序列卷积运算,进行高斯滤波   d=uint8(Img1);   主函数: [cpp] view plaincopy %此为程序主文件,包含主要功能单元,以及对子函数进行调用   try   %实验步骤一:彩色、灰度变换   h=imread('photo.jpg'); %读入彩色图片   c=rgb2gray(h); %把彩色图片转化成灰度图片,256级   figure,imshow(c),title('原始图象'); %显示原始图象   g=imnoise(c,'gaussian',0.1,0.002); %加入高斯噪声   figure,imshow(g),title('加入高斯噪声之后的图象'); %显示加入高斯噪声之后的图象      %实验步骤二:用系统预定义滤波器进行均值滤波   n=input('请输入均值滤波器模板大小\n');   A=fspecial('average',n); %生成系统预定义的3X3滤波器   Y=filter2(A,g)/255;           %用生成的滤波器进行滤波,并归一化   figure,imshow(Y),title('用系统函数进行均值滤波后的结果'); %显示滤波后的图象      %实验步骤三:用自己的编写的函数进行均值滤波   Y2=avefilt(g,n);     %调用自编函数进行均值滤波,n为模板大小   figure,imshow(Y2),title('用自己的编写的函数进行均值滤波之后的结果'); %显示滤波后的图象      %实验步骤四:用Matlab系统函数进行中值滤波   n2=input('请输入中值滤波的模板的大小\n');   Y3=medfilt2(g,[n2 n2]);   %调用系统函数进行中值滤波,n2为模板大小    figure,imshow(Y3),title('用Matlab系统函数进行中值滤波之后的结果'); %显示滤波后的图象      %实验步骤五:用自己的编写的函数进行中值滤波   Y4=midfilt(g,n2);      %调用自己编写的函数进行中值滤波,   figure,imshow(Y4),title('用自己编写的函数进行中值滤波之后的结果');      %实验步骤六:用matlab系统函数进行高斯滤波   n3=input('请输入高斯滤波器的均值\n');   k=input('请输入高斯滤波器的方差\n');   A2=fspecial('gaussian',k,n3);      %生成高斯序列   Y5=filter2(A2,g)/255;              %用生成的高斯序列进行滤波   figure,imshow(Y5),title('用Matlab函数进行高斯滤波之后的结果');    %显示滤波后的图象      %实验步骤七:用自己编写的函数进行高斯滤波   Y6=gaussfilt(n3,k,g); %调用自己编写的函数进行高斯滤波,n3为均值,k为方差   figure,imshow(Y6),title('用自编函数进行高斯滤波之后的结果');      %显示滤波后的图象      catch           %捕获异常       disp(lasterr);     %如果程序有异常,输出   end  

上一篇:我的chromium for Android编译环境搭建(二)
下一篇:打印服务进程spoolsv 导致电脑变慢

相关文章

相关评论

本站评论功能暂时取消,后续此功能例行通知。

一、不得利用本站危害国家安全、泄露国家秘密,不得侵犯国家社会集体的和公民的合法权益,不得利用本站制作、复制和传播不法有害信息!

二、互相尊重,对自己的言论和行为负责。

腹肌贴健身器材智能腹部训练健腹器肌