发个MatLab 自编的 均值滤波、中值滤波、高斯滤波 图像处理函数

转载来自;http://blog.csdn.net/TXUANXUAN/article/details/44921163?locationNum=8


发个MatLab 自编的 均值滤波、中值滤波、高斯滤波 图像处理函数

%自编的均值滤波函数。x是需要滤波的图像,n是模板大小(即n×n)
function d=avefilt(x,n)   
a(1:n,1:n)=1;   %a即n×n模板,元素全是1
p=size(x);   %输入图像是p×q的,且p>n,q>n
x1=double(x);
x2=x1;
%A(a:b,c:d)表示A矩阵的第a到b行,第c到d列的所有元素
for i=1:p(1)-n+1
    for j=1:p(2)-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(即模板)中各元素之和
        x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n); %将模板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);

%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=midfilt(x,n)   
p=size(x);   %输入图像是p×q的,且p>n,q>n
x1=double(x);
x2=x1;
for i=1:p(1)-n+1
    for j=1:p(2)-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);

 

%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);

 

 

%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


1. 主要工作: 基于MATLAB图像处理中值滤波均值滤波以及高斯滤波的实现与对比: a) 中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值. b) 均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(以目标像素为中心的周围8个像素,构成一个滤波模板,即去掉目标像素本身),再用模板中的全体像素的平均值来代替原来像素值。 c) 高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是:用一个模板(或称卷积、掩模)扫描图像中的每一个像素,用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。 2. 代码功能: 实现中值滤波均值滤波以及高斯滤波,并对图像进行输出 3. 结果分析 a) 图像经过中值滤波后,高斯噪声没有被完全去除,椒盐噪声几乎被完全去除效果较好。经过均值滤波后不管是高斯噪声还是椒盐噪声大部分都没有被去除,只是稍微模糊化。经过高斯滤波后,高斯噪声和椒盐噪声几乎被很大程度的模糊化,原图好像被加上了一层蒙版。 【注】若添加图片分辨率过高会发出警报,如果可以正常输出则可以忽视。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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