zhedahe的专栏

主函数：%1 三种算法比较I=imread('11.png');I=rgb2gray(I);%加入混合噪声%var=100/(255^2);%imnoise中的方差等于实际方差除以灰度级的平方%按照文献设置参数J=imnoise(I,'salt & pepper',0.8);%J=imnoise(J,'gaussian',0,var);%var=0.0015%k1=co

此为灰度最小方差的均值滤波器：在去噪能力上弱于传统的均值、中值滤波，但在保留图像边缘和细节能力方面要强于前者。子函数：%该种方法的基本思想是：先使用模板覆盖图像区域，若像素都属于一个区域，则区域内不含边界，则可以放心平滑去噪（高斯用均值，椒盐用中值）；否则像素属于不同部分，即区域含有边界，那我们不平滑去噪，保持边界即可。%编程的思想是：9个模板找出方差最小的那个模板，这个模板覆盖像素

子函数代码：%symmetricnearmean.mfunction [y]=symmetricnearmean(x,a,b)y=x;[m,n]=size(x);N=(a-1)/2;M=zeros( 1,2*N*(N+1) );for i=3:m-2 for j=3:n-2 k=1; for i1=1:N for j1=-N:N

子函数代码：function[y]=K_neardealnoise(x,a,b)[m,n]=size(x);x=double(x);y=x;k0=floor(a*b/2)+1;for i=2:m-1 for j=2:n-1 %y(i,j)=0; z1=abs(x(i,j)-x(i-1,j+1)); z2=abs(x(i,j)-x(i,j+1));

平滑算法1：%roburstmedfilt1.mfunction [y]=roburstmedfilt1(x,a,b)x=double(x);y=x;[m,n]=size(x);k=floor(a/2)+1;for i=k:m+1-k for j=k:n+1-k z=zeros(1,4*k^2-4*k); num=1; for

算法对应的子函数代码：%commonfilt2_1.mfunction[y]=commonfilt2_1(x,a,b)[e f]=size(x);y=x;for i=2:e-1 for j=2:f-1 zmed=median([x(i-1,j+1),x(i,j+1),x(i+1,j+1),x(i-1,j),x(i+1,j),x(i-1,j-1),x(i,j-1),x

新算法对应的子函数：%delseriousnoise.m%有效去除图像中脉冲噪声的新型滤波算法%检测窗口5*5，滤波窗口3*3function [R] = delseriousnoise(x)[e,f]=size(x);Nmax=3; %确定最大的滤波半径，那么滤波窗口或者检测窗口最大为7%下面是边界扩展，图像上下左右各增加Nmax像素z=zeros(e+2*Nmax,f+2

新算法对应的子函数：%一种高效快速的高密度椒盐噪声滤除算法%quickdelhighnoise.mfunction [R] = quickdelhighnoise(J)[e,f]=size(J);R=zeros(e,f);Nmax=3; %确定最大的滤波半径，那么滤波窗口最大为7%下面是边界扩展，图像上下左右各增加Nmax像素z=zeros(e+2*Nmax,f+2*Nma

几种算法的比较1）递进开关中值滤波%commonfilt2_1.m%递进开关中值滤波function [R]=commonfilt2_1(x,NR0)[e,f]=size(x);Nmax=2; %确定最大的滤波半径，那么滤波窗口最大为5%下面是边界扩展，图像上下左右各增加Nmax像素z=zeros(e+2*Nmax,f+2*Nmax);%引入一个新矩阵，用以贴上图片

%imfledfilt.m%有效去除图像中脉冲噪声的新型滤波算法%检测窗口5*5，滤波窗口3*3function [R] = imfledfilt(x,Noiserate)[e,f]=size(x);Nmax=2; %确定最大的滤波半径，那么滤波窗口或者检测窗口最大为5%下面是边界扩展，图像上下左右各增加Nmax像素z=zeros(e+2*Nmax,f+2*Nmax);%引入一个新矩

代码分两部分：1 与梯度有关的加权滤波器，设计了2个：1）自适应加权滤波器 2）倒数加权滤波器2 图像的梯度幅值图像，以及x方向的梯度幅值图像和y方向的梯度幅值图像I=imread('1.png');I=rgb2gray(I);[M,N]=size(I);I=double(I);J=I;%权重因子处理后的图像%k=4;%权重因子系数,数学函数表达式：exp( (-x*x)

基于文章“用于图像处理的自适应中值滤波”的matlab代码如下：%commonfilt2_1.m%一种自适应调整窗口，一种自适应滤波的算法function [y]=commonfilt2_1(x)TD = 9;%判断噪声点所用阈值N1 = 0; %子块1中噪声点的个数N2 = 0; %子块2中噪声点的个数N3 = 0; %子块3中噪声点的个数N4 = 0; %子块4中噪声点

自己编写的中值滤波算法和库函数调用的中值滤波算法 psnr值一样，因此不必多虑，放心调用.以下文件：1:自己编写的中值滤波2:库函数中值滤3：极值中值算法：中心像素等于窗口最大值或者最小值，即该点为噪声点的可能性很大，中心点则使用中值代替4：一种基于排序阈值的开关中值滤波方法（秦鹏等）：先将窗口内所有像素分成三类：1） 噪声点 2） 平坦区域 3）边缘细节5：极大中值滤波：

快速排序法是一种经常提及，被很多公司喜欢用来考察的排序方法，它的平均时间复杂度为O（nlongn），最差时间复杂度为O(n*n)。/* Note:Your choice is C IDE */#include "stdio.h"void quick_sort(int a[],int n);//函数的声明后要加分号int main(){int i;int a[10];print

其时两种算法还真的不好懂，BFS强调先选择一条路径走完，然后再回到原来的备选路径走，直至结束；DFS强调把所有邻接点遍历完；前者使用堆栈模拟，后者可以用队列模拟。BFS：/* Note:Your choice is C IDE */#include#include#define Max 9#define queueMAX 10typedef struct Bintree{

两个矩阵相乘，其实很简单，但真正写起来，需要你理解其中的细节，公式会被，但程序不一定会写。以此，送给基础薄弱，眼高手低的我们。#include "stdio.h"int main(){int i,j,k;int matrixC[5][6]={0};int matrixA[5][4]={1,5,7,3,3,6,3,9,1,2,8,7,0,3,1,9,3,2,5,4,};

#include "stdio.h"#define LEN sizeof(Student)typedef struct student{ int num; float score; struct student *next; }Student,*link;//构造链表的函数 link creat(int n);//打印链表的内容 void print_link(l

使用数组模拟队列：/*==========用数组模拟队列===============*//*起初数组元素全部为0 我们给它入队但数据都为非 0 出队元素确定后 该出队元素设置为 0*/#include "stdio.h"#include "stdlib.h"#include "conio.h"#define maxsize 10int queue[maxsize];int

#include#includetypedef struct Bintree{int data;struct Bintree *lchild;struct Bintree *rchild;}treenode,*b_tree;b_tree root=NULL;/* 函数的声明*/b_tree creat_tree(int n);void print1();void preor

/*复杂的编程，思考永远是最重要的*/#include "stdio.h"#include "stdlib.h"#include "math.h"int b_tree[20]={0};//int count=0;//因为count不能由开始输入的数据个数直接看出来 ,故我直接用全局 变量方便随时使用 //这段程序我借鉴了链表建立二叉树的方法，值得仔细推敲 void creat_