十种滤波器的matlab实现

最新推荐文章于 2024-04-24 17:03:07 发布
最新推荐文章于 2024-04-24 17:03:07 发布
阅读量1.3w 收藏 211
点赞数 19
分类专栏： 数字图像处理 文章标签： 数字图像处理 图像复原 滤波器
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Pure_vv/article/details/103341004
版权

文章概要

1） 产生噪声

  • 构造函数addSaltNoise.m，接受参数snr为图像信噪比，为实验用图test.tif增加椒盐噪声

    % addSaltNoise.m
function [sImg] = addSaltNoise(snr)
img=imread('test.tif');
[imgH,imgW]=size(img);
sImg=img;
% 根据图像信噪比产生噪声点数量
sp=imgH*imgW;
np=sp*(1-snr);
% 随机行列，给图像添加噪声
    for i=1:np
        x=uint32(rand()*imgH);
        y=uint32(rand()*imgW);
        if x && y
            r=rand()>0.5;
            if r
                sImg(x,y)=0;
            else
                sImg(x,y)=255;
            end
        end
    end
    subplot(1,2,1);
    imshow(img),title('原始图像'); 

    subplot(1,2,2);
    imshow(sImg),title('信噪比为0.5的椒盐噪声图像'); 
end

    信噪比为0.5时的椒盐噪声图像，如下图所示：

    QeSmIf.png

  • 构造函数addGaussianNoise.m，接受参数avg为均值，std为标准差，为实验用图test.tif增加高斯噪声

    % addGaussianNoise.m
function [gImg] = addGaussianNoise(avg,std)
img=imread('test.tif');
[imgH,imgW]=size(img);
% 产生和图像维度相同的噪声，叠加到图像上
gImg=uint8((double(img)/255+avg+std*randn(imgH,imgW))*255);
% subplot(1,2,1);
% imshow(img),title('原始图像'); 
% 
% subplot(1,2,2);
% imshow(gImg),title('均值为'+string(avg)+'标准差为'+string(std)+'的高斯噪声图像');

    产生的高斯噪声效果如下图

    在这里插入图片描述

2） 均值滤波器

  • 算术均值滤波器

    编写函数meanValueFilter.m，参数fsize为滤波器大小

    % meanValueFilter.m
function []=meanValueFilter(fsize)
% 获取信噪比为0.5的椒盐噪声图像
sImg = addSaltNoise(0.5);
% 获取均值为0，标准差为0.1的高斯噪声图像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根据滤波器尺寸计算半长
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 处理图像，结果分别保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sNewImg(i,j)=sum(sTemp(:))/numel(sTemp);
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gNewImg(i,j)=sum(gTemp(:))/numel(gTemp);
    end
end
subplot(1,2,1);
imshow(sImg),title('椒盐噪声图像'); 

subplot(1,2,2);
imshow(sNewImg),title('均值滤波器处理后图像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪声图像'); 

subplot(1,2,2);
imshow(gNewImg),title('均值滤波器处理后图像');
end

    大小为3x3的算术均值滤波器处理椒盐噪声结果

    QeNt7d.png

    大小为3x3的算术均值滤波器处理高斯噪声结果

    在这里插入图片描述

  • 几何均值滤波器

    编写函数geometricMeanFilter.m，参数fsize为滤波器大小

    function []=geometricMeanFilter(fsize)
% 获取信噪比为0.5的椒盐噪声图像
sImg = addSaltNoise(0.5);
% 获取均值为0，标准差为0.1的高斯噪声图像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根据滤波器尺寸计算半长
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 处理图像，结果分别保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sNewImg(i,j)=prod(prod(sTemp(:)))^(1/numel(sTemp)); 
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gNewImg(i,j)=prod(prod(gTemp(:)))^(1/numel(gTemp)); 
    end
end
subplot(1,2,1);
imshow(sImg),title('椒盐噪声图像'); 

subplot(1,2,2);
imshow(sNewImg),title('几何均值滤波器处理后图像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪声图像'); 

subplot(1,2,2);
imshow(gNewImg),title('几何均值滤波器处理后图像');
end

    大小为3x3的几何均值滤波器处理椒盐噪声结果

    Qedukj.png

    大小为3x3的几何均值滤波器处理高斯噪声结果

    QedKts.png

  • 谐波均值滤波器

    编写函数harmonicMeanFilter.m，参数fsize为滤波器大小

    function []=harmonicMeanFilter(fsize)
% 获取信噪比为0.5的椒盐噪声图像
sImg = addSaltNoise(0.5);
% 获取均值为0，标准差为0.1的高斯噪声图像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根据滤波器尺寸计算半长
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 处理图像，结果分别保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sTemp=1./sTemp;
        sNewImg(i,j)=numel(sTemp)/sum(sTemp(:));
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gTemp=1./gTemp;
        gNewImg(i,j)=numel(gTemp)/sum(gTemp(:));
    end
end
subplot(1,2,1);
imshow(sImg),title('椒盐噪声图像'); 

subplot(1,2,2);
imshow(sNewImg),title('谐波均值滤波器处理后图像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪声图像'); 

subplot(1,2,2);
imshow(gNewImg),title('谐波均值滤波器处理后图像');
end

    大小为3x3的谐波均值滤波器处理椒盐噪声结果

    Qe0AeS.png

    大小为3x3的谐波均值滤波器处理高斯噪声结果

    Qe0FL8.png

  • 逆谐波均值滤波器

    编写函数inverseHarmonicMeanFilter.m，参数fsize为滤波器大小，q为阶数

    function []=inverseHarmonicMeanFilter(fsize,q)
% 获取信噪比为0.5的椒盐噪声图像
sImg = addSaltNoise(0.5);
% 获取均值为0，标准差为0.1的高斯噪声图像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根据滤波器尺寸计算半长
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 处理图像，结果分别保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = double (sImg(i-flength:i+flength,j-flength:j+flength));
        sNewImg(i,j)=sum(sTemp(:).^(q+1))/sum(sTemp(:).^(q));
        gTemp = double (gImg(i-flength:i+flength,j-flength:j+flength));
        gNewImg(i,j)=sum(gTemp(:).^(q+1))/sum(gTemp(:).^(q));
    end
end
subplot(1,2,1);
imshow(sImg),title('椒盐噪声图像'); 

subplot(1,2,2);
imshow(sNewImg),title('逆谐波均值滤波器处理后图像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪声图像'); 

subplot(1,2,2);
imshow(gNewImg),title('逆谐波均值滤波器处理后图像');
end

    大小为3x3，阶数为1.5的逆谐波均值滤波器处理椒盐噪声结果

    QeDgMt.png

    大小为3x3，阶数为1.5的逆谐波均值滤波器处理高斯噪声结果

    在这里插入图片描述

3） 统计排序滤波器

  • 中值滤波器

    编写函数middleFilter.m，参数fsize为滤波器大小

    function []=middleFilter(fsize)
% 获取信噪比为0.5的椒盐噪声图像
sImg = addSaltNoise(0.5);
% 获取均值为0，标准差为0.1的高斯噪声图像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根据滤波器尺寸计算半长
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 处理图像，结果分别保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sTemp = sort(sTemp(:));
        sNewImg(i,j)=sTemp((numel(sTemp)-1)/2);
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gTemp = sort(gTemp(:));
        gNewImg(i,j)=gTemp((numel(gTemp)-1)/2);
    end
end
subplot(1,2,1);
imshow(sImg),title('椒盐噪声图像'); 

subplot(1,2,2);
imshow(sNewImg),title('中值滤波器处理后图像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪声图像'); 

subplot(1,2,2);
imshow(gNewImg),title('中值滤波器处理后图像');
end

    大小为3x3的中值滤波器处理椒盐噪声结果

    QeHpM6.png

    大小为3x3的中值滤波器处理高斯噪声结果

    Qe7zxx.png

  • 最大值和最小值滤波器

    • 最大值滤波器

      编写函数maxFilter.m，参数fsize为滤波器大小

      function []=maxFilter(fsize)
% 获取信噪比为0.5的椒盐噪声图像
sImg = addSaltNoise(0.5);
% 获取均值为0，标准差为0.1的高斯噪声图像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根据滤波器尺寸计算半长
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 处理图像，结果分别保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sNewImg(i,j)= max(sTemp(:));
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gNewImg(i,j)=max(gTemp(:));
    end
end
subplot(1,2,1);
imshow(sImg),title('椒盐噪声图像'); 

subplot(1,2,2);
imshow(sNewImg),title('最大值滤波器处理后图像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪声图像'); 

subplot(1,2,2);
imshow(gNewImg),title('最大值滤波器处理后图像');
end

      大小为3x3的最大值滤波器处理椒盐噪声结果

      QejKLq.png

      大小为3x3的最大值滤波器处理高斯噪声结果

      Qej8FU.png

    • 最小值滤波器

      编写函数minFilter.m，参数fsize为滤波器大小

      function []=minFilter(fsize)
% 获取信噪比为0.5的椒盐噪声图像
sImg = addSaltNoise(0.5);
% 获取均值为0，标准差为0.1的高斯噪声图像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根据滤波器尺寸计算半长
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 处理图像，结果分别保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sNewImg(i,j) = min(sTemp(:));
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gNewImg(i,j) = min(gTemp(:));
    end
end
subplot(1,2,1);
imshow(sImg),title('椒盐噪声图像'); 

subplot(1,2,2);
imshow(sNewImg),title('最小值滤波器处理后图像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪声图像'); 

subplot(1,2,2);
imshow(gNewImg),title('最小值滤波器处理后图像');
end

      大小为3x3的最小值滤波器处理椒盐噪声结果

      QejGYF.png

      大小为3x3的最小值滤波器处理高斯噪声结果

      QejJW4.png

  • 中点滤波器

    编写函数mPointFilter.m，参数fsize为滤波器大小

    function []=mPointFilter(fsize)
% 获取信噪比为0.5的椒盐噪声图像
sImg = addSaltNoise(0.5);
% 获取均值为0，标准差为0.1的高斯噪声图像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根据滤波器尺寸计算半长
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
% 处理图像，结果分别保存在sNewImg和gNewImg
for i=1+flength:imgH-flength
    for j=1+flength:imgW-flength
        sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
        sNewImg(i,j) = (min(sTemp(:))+max(sTemp(:)))/2;
        gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
        gNewImg(i,j) = (min(gTemp(:))+max(gTemp(:)))/2;
    end
end
subplot(1,2,1);
imshow(sImg),title('椒盐噪声图像'); 

subplot(1,2,2);
imshow(sNewImg),title('中点滤波器处理后图像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪声图像'); 

subplot(1,2,2);
imshow(gNewImg),title('中点滤波器处理后图像');
end

    大小为3x3的中点滤波器处理椒盐噪声结果

    QejtSJ.png

    大小为3x3的中点滤波器处理高斯噪声结果

在这里插入图片描述

  • 修正后的阿尔法均值滤波器

    编写函数alphaFilter.m，参数fsize为滤波器大小，d为0-fsize^2之间的数字

    function []=alphaFilter(fsize,d)
% 获取信噪比为0.5的椒盐噪声图像
sImg = addSaltNoise(0.5);
% 获取均值为0，标准差为0.1的高斯噪声图像
gImg = addGaussianNoise(0,0.1);
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 根据滤波器尺寸计算半长
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end
if d<fsize*fsize
    % 处理图像，结果分别保存在sNewImg和gNewImg
    for i=1+flength:imgH-flength
        for j=1+flength:imgW-flength
            if d>0
                sTemp = sImg(i-flength:i+flength,j-flength:j+flength);
                sTemp = sort(sTemp(:));
                sTemp=sTemp(d:numel(sTemp)-1);
                sNewImg(i,j)=sum(sTemp())/numel(sTemp);
                gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
                gTemp = sort(gTemp(:));
                gTemp=gTemp(d:numel(gTemp)-1);
                gNewImg(i,j)=sum(gTemp())/numel(gTemp);
            end
        end
    end
else
    fprintf("d请传入0-fsize^2之间的数！");
end
subplot(1,2,1);
imshow(sImg),title('椒盐噪声图像'); 

subplot(1,2,2);
imshow(sNewImg),title('修正后的阿尔法滤波器处理后图像'); 
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪声图像'); 

subplot(1,2,2);
imshow(gNewImg),title('修正后的阿尔法滤波器处理后图像');
end

    大小为3x3的修正后的阿尔法均值滤波器（d=1）处理椒盐噪声结果

    QejQe0.png

    大小为3x3的修正后的阿尔法均值滤波器（d=1）处理高斯噪声结果

    Qej1oT.png

4） 自适应滤波器

  • 自适应滤波器

    编写函数alphaFilter.m，参数fsize为滤波器大小

    function []=adaptFilter(fsize)
% 获取均值为0，标准差为0.1的高斯噪声图像
gImg = double(addGaussianNoise(0,0.1));
[imgH,imgW]=size(gImg);
gNewImg = gImg;
% 根据滤波器尺寸计算半长
if mod(fsize,2)
    flength = (fsize-1)/2;
else
    flength = fsize/2;
end

    % 处理图像，结果保存在gNewImg
    for i=1+flength:imgH-flength
        for j=1+flength:imgW-flength
                gTemp = gImg(i-flength:i+flength,j-flength:j+flength);
                avg = mean(gTemp(:));
                v = var(gTemp(:));
                gNewImg(i,j)=gImg(i,j)-255*255*0.01/v*(gImg(i,j)-avg);
        end
    end
gImg = uint8(gImg);
gNewImg=uint8(gNewImg);
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪声图像'); 

subplot(1,2,2);
imshow(gNewImg),title('自适应滤波器处理后图像');
end

    大小为7x7的自适应滤波器处理，方差为6502.5的高斯噪声结果

在这里插入图片描述

  • 自适应中值滤波器

    编写函数alphaFilter.m，参数fmax为滤波器最大尺寸

    function []=adaptMiddleFilter(fmax)
% 获取信噪比为0.5的椒盐噪声图像
sImg = double(addSaltNoise(0.5));
% 获取均值为0，标准差为0.1的高斯噪声图像
gImg = double(addGaussianNoise(0,0.1));
[imgH,imgW]=size(sImg);
sNewImg=sImg;
gNewImg=gImg;
% 计算滤波器最大半长
if mod(fmax,2)
    flength = (fmax-1)/2;
else
    flength = fmax/2;
end
% 处理图像，结果分别保存在sNewImg和gNewImg
% zmax为s区域中的灰度最大值
% zmin为s区域中的灰度最小值
% zmed为s区域中的灰度中间值
    for i=1+flength:imgH-flength
        for j=1+flength:imgW-flength
            len = 1;
            while len<=flength
                    sTemp = sImg(i-len:i+len,j-len:j+len);
                    sTemp=sort(sTemp(:));
                    zsmed=sTemp((numel(sTemp)-1)/2);
                    zsmin=min(sTemp);
                    zsmax=max(sTemp);
                    ag1 = zsmed-zsmin;
                    ag2 = zsmed-zsmax;
                if ag1>0 && ag2<0
                    break;
                else 
                    len=len+1;
                end
            end
            if len==flength+1
                sNewImg(i,j)=sImg(i,j);
            else
                bs1=sImg(i,j)-zsmin;
                bs2=sImg(i,j)-zsmax;
                if bs1>0 && bs2<0
                    sNewImg(i,j)=sImg(i,j);
                else
                    sNewImg(i,j)=zsmed;
                end
            end
            len = 1;
            while len<=flength
                    gTemp = gImg(i-len:i+len,j-len:j+len);
                    gTemp=sort(gTemp(:));
                    zgmed=gTemp((numel(gTemp)-1)/2);
                    zgmin=min(gTemp);
                    zgmax=max(gTemp);
                    ag1 = zgmed-zgmin;
                    ag2 = zgmed-zgmax;
                if ag1>0 && ag2<0
                    break;
                else 
                    len=len+1;
                end
            end
            if len==flength+1
                gNewImg(i,j)=gImg(i,j);
            else
                bg1=gImg(i,j)-zgmin;
                bg2=gImg(i,j)-zgmax;
                if bg1>0 && bg2<0
                    gNewImg(i,j)=gImg(i,j);
                else
                    gNewImg(i,j)=zgmed;
                end
            end
        end
    end
% 处理完后转化为uint8
sImg=uint8(sImg);
sNewImg=uint8(sNewImg);
subplot(1,2,1);
imshow(sImg),title('椒盐噪声图像'); 

subplot(1,2,2);
imshow(sNewImg),title('自适应中值滤波器处理后图像');
gImg=uint8(gImg);
gNewImg=uint8(gNewImg);
figure();
subplot(1,2,1);
imshow(gImg),title('高斯噪声图像'); 

subplot(1,2,2);
imshow(gNewImg),title('自适应中值滤波器处理后图像');
end

    最大尺寸为7x7的自适应滤波器处理椒盐噪声结果

    Qm0kHU.png

    最大尺寸为7x7的自适应滤波器处理高斯噪声结果

    Qm0EEF.png

VV一笑ヽ
关注
专栏目录
卡尔曼滤波-α滤波器
qq_64777806的博客
09-16 452
在这个例子中，我们假设从传感器获取了一系列电机的原始转速数据，通过 α 滤波器对这些数据进行滤波处理，以得到更平滑和稳定的电机转速估计值。可以根据实际情况调整滤波参数。来存储上一次滤波后的值，从而实现了函数内部对数据的存储。每次调用函数时，会根据新的输入值、滤波参数。和上一次的滤波值计算并更新滤波后的值，并将其存储在静态变量中供下一次调用使用。来获得不同的滤波效果。例如，如果电机转速变化较为缓慢，可以选择较大的。值以增强对噪声的抑制；如果电机转速变化较快，可以选择较小的。值以更快地响应转速的变化。
低通滤波器 matlab 实现
08-29
采用自带的buttord 和butter函数实现对信号的低通滤波
Matlab实现滤波器，进行ASK、FSK、多音信号的滤波
weixin_42732353的博客
12-22 4745
目录 绪论 一 ： 滤波器设计 二：ASK、FSK、多音信号产生 三：滤波 四：频谱分析 绪论： （1）以下是matlab破解版本的百度网盘资源： 链接：https://pan.baidu.com/s/1ORFFWE4ZCOqaVZgadm0cnw 提取码：7ybv （2）要使用matlab,首先要知道matlab中的基本操作。大家可以借助matlab中自带的help文档来帮助学习。打开matla...
matlab学习005-利用matlab设计滤波器
最新发布
码到成龚的博客
04-24 3631
含有多个频率成分的三角信号【xa(t)=cos(2Π*3.5*10^3t)+cos(2Π*5*10^3t)+cos(2Π*9*10^3t)】1，以采样频率fs=20KHz对信号采样， 画出信号的波形；2，选取合适的采样点数，利用DFT分析信号的频谱，并画出信号幅度频谱图；3，设计一个滤波器，滤除信号中频率为9KHz的分量；画出滤波器的频响特性曲线；4，用设计的滤波器对信号进行滤波，画出滤波器的输出信号的波形和幅度频谱图。 二，周期性方波信号1，产生一个周期为0.001秒，幅值为±1的方波信号，画出信号的时域
MATLAB滤波器工具
03-07
MATLAB滤波器工具，相关设计的一些资料，方便学习下
互补滤波器
霍宏鹏的专栏
06-21 836
 目录(?)[+] 互补滤波器 介绍原理 低通滤波器 一阶低通滤波器二阶低通滤波 高通滤波器互补滤波器 the end 互补滤波器 从 RC 电路 到 数字滤波器 。 参考：wikiPedia by luoshi006 欢迎交流~ 个人 Gitter 交流平台，点击直达： 介绍 原理 低通滤波器 一
高通滤波器_高通滤波器matlab实现_高通_
09-30
总的来说，高通滤波器MATLAB实现涉及了信号处理理论、滤波器设计以及实际编程技术。通过理解不同类型的高通滤波器及其MATLAB实现方法，我们可以有效地处理和分析各种信号，以满足特定的系统需求。在实际操作中，根据...
巴特沃斯滤波器的MATLAB实现
03-27
巴特沃斯滤波器的MATLAB实现，自写函数，可以直接用 % 输入参数： % indata--输入信号 % Fs--采样频率 % pass1--通带上限 % pass2--通带下限 % stop1--阻带下限% stop2--阻带上限 % N--滤波器阶数 % 输出参数： % ...
Gabor滤波器matlab实现.doc
11-23
Gabor滤波器Matlab实现 Gabor滤波器是一种常用的...Gabor滤波器Matlab实现是图像处理和分析中的一种重要技术，具有很多优点和应用场景。但同时也存在一些缺点和挑战，需要根据具体的应用场景选择合适的参数和算法。
一种基于局部自适应滤波器的双边滤波器matlab实现 双边滤波的Matlab实现
09-01
双边滤波器的Matlab实现，附例程。简单的实现双边滤波器，是博客的附加例程 基本原理 保留边界细节，模糊变化不明显的区域 我们知道高斯滤波器可以起到模糊图像的作用，而上述的过程是选择性地进行模糊，在这里是对...
5*5十字型中值滤波函数matlab源代码
07-10
matlab 5*5十字型窗口中值滤波源代码
阿尔法均值滤波函数
11-18
数字图像处理matlab版冈萨雷斯，阿尔法均值滤波函数文件，用于处理被椒盐噪声污染的图像
matlab实现均值滤波和中值滤波（自编写源码）
12-12
文件中包含test.m文件和两个函数以及一张测试图片。利用学习机会自己编写了均值滤波和中值滤波函数，并在test.m文件中运行，有详细代码注释，希望一起学习。
椭圆滤波器的MATLAB实现
03-27
椭圆滤波器的MATLAB实现，自写子函数，可以直接使用 % 输入参数： % indata--输入信号 % Fs--采样频率 % pass1--通带上限 % pass2--通带下限 % stop1--阻带下限% stop2--阻带上限 % N--滤波器阶数 % 输出参数： % ...
飞控算法——互补滤波器
廖旭 廊坊师范学院信息技术提高班第十一期
09-30 4750
在了解滤波器的开始先看几个概念 传感器 两轴加速计： 1.测量加速度实际上是推动每个单元的块。 2.可以用来测量重力加速度，上图中x轴加速度为0g，y轴加速度为1g。 3.可以用来测量倾角。 上图中x轴方向上有重力的作用，左边的图中x有正向的加速度，右边的图中x有负向的加速度。这就使y轴方向的加速度减小。 陀螺仪 作用： 1.测量角速度（旋转的角度）。 2.当静止时
说透互补滤波(1) - 线性互补滤波器从原理到实现
https://zinghd.gitee.io/blog/
02-20 4020
为什么开源代码看不懂？ 说起互补滤波，之前非常的流行，在那个算力不够的年代，这种短小精干的融合算法，风靡一时。 原理也非常简单： 我有两路信号，一个带有高频噪声，一个带有低频噪声，所以我把他们的噪声分别滤除，然后合并，就得到了没有噪声的原始信号。 简单直接，清晰明了，看到这你顿时觉得这个算法你已经会了，甚至连算法的流程都设计好了。 于是你在网上找到了著名的 Madgwick实现的 Mahony...
matlab中基于十字形窗口的滤波算法,×字形滤波窗口在Matlab自适应中值滤波算法中的应用 - 21ic中国电子网...
weixin_35218304的博客
03-18 557
由于种种原因，图像在生成、传输、变换等过程中往往会受到各种噪声的污染，从而导致图像质量退化。噪声信号的滤波是图像处理的基本任务之一，主要有线性滤波和非线性滤波两种方法。线性滤波方法一般具有低通特性，而图像的边缘信息对应于高频信号，因此线性滤波方法往往导致图像边缘模糊，不能取得很好的复原效果。中值滤波是一种使边缘模糊较轻的非线性滤波方法，是由Tukey发明的一种非线性信号处理技术，早期用于一维信号处...
灰度图像复原——空间滤波——中值滤波器（Matlab）
lengo的专栏
09-04 1167
%%%%%%------------------图像复原之空间滤波--------------------------------- clc; clear; %读入图像，并转换为double型 I=imread('D:\Gray Files\5-13.tif'); I_D=im2double(I); [MM,NN]=size(I_D); %%%%%----------------------2...
Gabor滤波器Matlab实现源码包
资源摘要信息: "本资源包含了一系列使用Matlab开发语言实现的经典Gabor滤波器的相关源码文件。Gabor滤波器在图像处理领域具有广泛的应用，尤其是在纹理分析和特征提取方面。本压缩包中包含的文件，不仅实现了Gabor...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值