C C++最新matlab图像增强（）_matlab中sharpness增强(1)，C C++工程师面试题及答案

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

J=rgb2gray(I);
A= rand(2);

B=(1/9)*(ones(3));
e =imfilter(J,B);
figure;
subplot(221),imshow(J),title(‘原图’);
subplot(222),imshow(e),title(‘平滑图’)

![在图片描述](https://img-blog.csdnimg.cn/20181114144019142.png)  
 [fspecial函数](https://bbs.csdn.net/topics/618668825)  
 Fspecial函数用于创建预定义的滤波算子，其语法格式为：  
 h = fspecial(type)  
 h = fspecial(type,parameters,sigma)  
 参数**type**制定**算子类型**，**parameters**指定**相应的参数**，具体格式为：  
 type=‘**average**’，为**均值滤波**，参数为n，代表模版尺寸，用向量表示，默认值为[3,3]。  
 type= ‘**gaussian**’，为**高斯低通滤波器**，参数有两个，n表示模版尺寸，默认值为[3,3]，sigma表示滤波器的标准差，单位为像素，默认值为 0.5。  
 type= ‘**laplacian**’，为**拉普拉斯算子**，参数为alpha，用于控制拉普拉斯算子的形状，取值范围为[0,1]，默认值为0.2。  
 type= ‘**log**’，为**拉普拉斯高斯算子**，参数有两个，n表示模版尺寸，默认值为[3,3]，sigma为滤波器的标准差，单位为像素，默认值为0.5  
 type= ‘**prewitt**’，为**prewitt算子**，用于边缘增强，无参数。  
 type= ‘**sobel**’，为著名的**sobel算子**，用于边缘提取，无参数。  
 type= **'unsharp**’，为**对比度增强滤波器**，参数alpha用于控制滤波器的形状，范围为[0,1]，默认值为0.2。

G =imread(‘Lena.jpg’);
I =rgb2gray(G);
h1 =fspecial(‘average’,[3 3]);
h2 =fspecial(‘average’,[5 5]);
h3 =fspecial(‘average’,[7 7]);
g1 =imfilter(I,h1,‘conv’,‘replicate’); %covn代表对二维图像的处理 若对RGB图像进行处理去掉 同上个示例
g2 =imfilter(I,h2,‘conv’,‘replicate’);
g3 =imfilter(I,h3,‘conv’,‘replicate’);
subplot(2,2,1),imshow(I);
subplot(2,2,2),imshow(g1);
subplot(223),imshow(g2);
subplot(224),imshow(g3);

![分别为I，g1,g2,g3](https://img-blog.csdnimg.cn/20181114150700940.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyMDQ4NDUw,size_16,color_FFFFFF,t_70)  
 因此可以看出增大邻域边长可以消除更多噪声（该图片看不出），消除噪声也并不是真正消除而是增加图像模糊度，从而达到消除噪声（比如椒盐噪声）使得肉眼分辨不出来。  
 5.平滑线性滤波器与高斯平滑：  
 平滑线性滤波器（在图像处理中我们把对邻域像素逐一处理的算法成为滤波器）的工作原理是利用模板对邻域进行加权平均，（又称均值滤波器）

i=imread(‘Lena.jpg’);
h =fspecial(‘gaussian’,3,3);
j =fspecial(‘gaussian’,4,4);
k =fspecial(‘gaussian’,7,2)
l =fspecial(‘gaussian’,7,7)
g =imfilter(i,h);
m =imfilter(i,j);
n =imfilter(i,k);
o =imfilter(i,l);
subplot(231),imshow(i);
subplot(232),imshow(g);
subplot(233),imshow(m);
subplot(234),imshow(n);
subplot(235),imshow(o);

高斯平滑相比图像简单平滑在于能够保留全局特征方面的很大的改进，然而仅仅基于高斯平滑去噪效果往往没有那么理想，主要在低图像噪声的同时，无法对图像中本身的边缘和纹理进行保护，削弱了视觉质量。  


![img](https://img-blog.csdnimg.cn/img_convert/d0015d18efd70811d96075ade2e45332.png)
![img](https://img-blog.csdnimg.cn/img_convert/a2250399a7b118a2ddbd8e527014588f.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化的资料的朋友，可以添加戳这里获取](https://bbs.csdn.net/topics/618668825)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**