均值滤波、中值滤波的matlab实现

来源：互联网发布：mac怎么玩魔兽编辑：程序博客网时间：2024/05/14 06:31

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。

%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
[hight, 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。

%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:width-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：

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')

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。

高斯滤波

%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：

%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

阅读全文

0 0