图像去噪和边缘增强：中值滤波，均值滤波，高斯滤波，以及各类锐化算子效果对比

最近接触到电镜图片的处理，
主要需求是去噪和强化细胞的边缘。
结合 中值滤波，均值滤波，高斯滤波，以及sobel算子、prewitt算子、laplacian算子，得到九种组合处理方法。
效果如下：

SNR/MSE/PSNR
均值滤波+sobel算子锐化:
SNR:0.032325
MSE:16723.351643
PSNR:5.897570
均值滤波+prewitt算子锐化:
SNR:0.032333
MSE:16723.322029
PSNR:5.897578
均值滤波+laplacian算子锐化:
SNR:0.032333
MSE:16723.322029
PSNR:5.897578
中值滤波+sobel算子锐化:
SNR:8.171445
MSE:2566.914124
PSNR:14.036690
中值滤波+prewitt算子锐化:
SNR:9.605313
MSE:1845.119844
PSNR:15.470558
中值滤波+laplacian算子锐化:
SNR:11.976595
MSE:1068.799913
PSNR:17.841840
高斯滤波+sobel算子锐化:
SNR:8.586401
MSE:2333.005275
PSNR:14.451646
高斯滤波+prewitt算子锐化:
SNR:10.264621
MSE:1585.235579
PSNR:16.129865
高斯滤波+laplacian算子锐化:
SNR:12.162374
MSE:1024.043731
PSNR:18.027619
可以看出，laplacian算子和三种去噪算法的结合效果较好
代码链接：
https://download.csdn.net/download/u013367499/13095316
代码