数字图像处理实验报告 实验三：空域频域图像去噪与锐化

数字图像处理实验报告

实验三：空域频域图像去噪与锐化

一、实验目的 
1、熟悉空域和频域图像增强方法；
2、，理解并掌握常用平滑和锐化方法。
二、实验环境
Matlab R2022a
三、实验内容
3.1实验题目
1、对一幅带有噪声图像分别采用2种以上空域和频域的滤波方法实现平滑处理，空域和频域至少选择一种方法自己编写代码实现，并比较、分析不同种类及不同窗口大小的滤波方法对其结果的影响（图自选）；
2、对1）经过平滑处理过后的图像进行锐化处理，要求分别采用空域和频域的滤波方法实现锐化处理，空域和频域选择一种方法自己编写代码实现；
3、写出实验报告。报告要求：有实验目的，实验内容，实验过程，实验小结和较详细的图文说明。
3.2相关知识
1、相关知识
利用空域滤波方法实现的平滑处理时，最基本的两种办法为中值滤波与均值滤波。
中值滤波是非线性滤波器，需要取当前像素点为中心点，选取邻域（4邻域、8邻域或其他形式、其他窗口大小的邻域），将当前像素值改为这个窗口区域中的中位数（中值）。
均值滤波是线性滤波器。取某一像素点为中心点，选取邻域（4邻域、8邻域或其他形式、其他窗口大小的区域），将当前像素值改为这个区域中的数值的平均值或加权平均值。
在均值滤波中，可以使用平均值。使用滑动平均值(Moving Average)时，对于某一点，对其截取出8邻域，并以其8邻域灰度级的平均值作为该点的灰度级值。即：


在频域空间中也可以设置滤波器，常用的平滑滤波器是低通滤波器，低通滤波器保留了低频率的成分，丢失了高频率的成分，使得图像保留了颜色等特征而丢失了部分细节。
在进行图像增强时，也可以使用空域滤波的方法和频域滤波的方法。
使用空域滤波的方法对图像进行增强时，可以先将原图像平滑，将原图和平滑后的图像作差，得到一个掩膜。将掩膜赋予一个权重再加到原图像中，得到新图像即为锐化、增强之后的图像。同样的，这一个掩膜可以通过上文中的Sobel算子得到，也可以用于进一步计算梯度幅度。
使用频域滤波的方法对图像进行增强时，使用高通滤波器，过滤掉图像的颜色而提取出图像的轮廓。同样的，将图像的轮廓加权后与原图相加，得到增强后的图像。
需要说明的是，为了给图像添加噪声，可以利用imnoise函数。当参数指定为“gaussian”时，添加高斯噪声。当参数指定为“possion”时，添加了泊松噪声。
2、核心代码
（1）利用imnoise函数添加噪声，并实现了滑动平均值实现了图像的平滑，平滑的范围针对的是八邻域。

I=imread('bb.jpg');
I=im2gray(I);
I=im2double(I);
G=imnoise(I,'gaussian');
imshow(G)
[h,w]=size(I);
res=zeros(h,w);
for i=2:h-1
    for j=2:w-1
            res(i,j)=(G(i-1,j-1)+G(i,j-1)+G(i+1,j-1)+G(i-1,j)+G(i,j)+G(i+1,j)+G(i-1,j+1)+G(i,j+1)+G(i+1,j+1))/9;
    end
end
subplot(1,3,1);imshow(I);title('原图')
subplot(1,3,2);imshow(G);title('噪声')
subplot(1,3,3);imshow(res);title('新图')

（2）完成读入图像，使用空域的方法对其增强。

I=imread('bb.jpg');
I=im2gray(I);
I=im2double(I);
imshow(I)
[h,w]=size(I);
res=zeros(h,w);
for i=2:h-1
    for j=2:w-1
         res(i,j)=(-I(i-1,j-1)-I(i,j-1)-I(i+1,j-1)-I(i-1,