1 打开图片

所有的滤波原始图片均使用下面的操作方式打开（只处理灰度图像）：

    % 读取图像 可以处理彩色多通道图片(转化为灰度图像)       [FileName,PathName,FilterIndex] = uigetfile({'*.png;*.jpg;*.jpeg';'*.*'},'选择一幅待处理图片');filename = fullfile(PathName, FileName) ;    SrcImg = imread(filename);     % setappdata(0,'SrcData',SrcImg);% 获取图像的信息    [m n channels] = size(SrcImg); if(channels > 1)% 将彩色图象转为灰度图像SrcImg = rgb2gray(SrcImg);% 将灰度图像数据保存到SrcImg变量中，即后面滤波需要用到的原始数据，此时没有加噪声setappdata(0,'SrcImg',SrcImg);imshow(SrcImg);        else% 将灰度图像数据保存到SrcImg变量中，即后面滤波需要用到的原始数据，此时没有加噪声setappdata(0,'SrcImg',SrcImg);imshow(SrcImg);        end

2 创建我们需要的噪声

对原始图像进行加噪声处理，即操作SrcImg：

    % 获取原始图像数据SrcImg = getappdata('SrcImg');% 变换f = mat2gray(SrcImg,[0 255]);% 获取图像大小信息[M,N] = size(f);%% 高斯噪声a = 0;b = 0.08;n_gaussian = a + b .* randn(m,n);g_gaussian = f + n_gaussian;  % show imagefigure();    imshow(g_gaussian,[0 1]);% 保存图片imwrite(g_gaussian,'gaussianNoise.jpg','jpg');xlabel('Ruselt of Gaussian noise');     %% 瑞利噪声a = -0.2;  b = 0.03;  n_rayleigh = a + (-b .* log(1 - rand(M,N))).^0.5;   g_rayleigh = f + n_rayleigh; % show imagefigure();    imshow(g_rayleigh,[0 1]);imwrite(g_rayleigh,'rayleighNoise.jpg','jpg');xlabel('Ruselt of rayleigh noise');        %% 伽马噪声a = 25;  b = 3;  n_Erlang = zeros(M,N);   for j=1:b  n_Erlang = n_Erlang + (-1/a)*log(1 - rand(M,N));  end    g_Erlang = f + n_Erlang; % show imagefigure();    imshow(g_Erlang,[0 1]);imwrite(g_Erlang,'erlangNoise.jpg','jpg');xlabel('Ruselt of erlang noise');     %% 均匀噪声a = 0;  b = 0.3;  n_Uniform = a + (b-a)*rand(M,N); g_Uniform = f + n_Uniform;% show imagefigure();    imshow(g_Uniform,[0 1]);imwrite(g_Uniform,'uniformNoise.jpg','jpg');xlabel('Ruselt of uniform noise');         %% 椒盐噪声a = 0.05;  b = 0.05;  x = rand(M,N);  g_sp = zeros(M,N);  g_sp = f;  g_sp(find(x<=a)) = 0;  g_sp(find(x > a & x<(a+b))) = 1;    % show imagefigure();    imshow(g_sp,[0 1]);imwrite(g_sp,'saltNoise.jpg','jpg');xlabel('Ruselt of salt pepper noise');

加噪结果：

原始图像：

椒盐噪声：

高斯噪声：

均匀噪声：

伽马噪声：

瑞利噪声：

3 开始滤波处理(空域和频域)

开始滤波了，通过上面的创建噪声并保存下了各种噪声的图像，接下来要用各种滤波方式将各种噪声降低，显然先要打开各个噪声图像，打开方式同第一节，这里不对各个滤波方式和原理讲解。

低通滤波：f为加噪图像

    f = mat2gray(f,[0 255]);[M,N] = size(f);P = 2*M;Q = 2*N;fc = zeros(M,N);for x = 1:1:Mfor y = 1:1:Nfc(x,y) = f(x,y) * (-1)^(x+y);endendF = fft2(fc,P,Q);H_1 = zeros(P,Q);H_2 = zeros(P,Q);for x = (-P/2):1:(P/2)-1for y = (-Q/2):1:(Q/2)-1D = (x^2 + y^2)^(0.5);D_0 = 100;H_1(x+(P/2)+1,y+(Q/2)+1) = 1/(1+(D/D_0)^2);   H_2(x+(P/2)+1,y+(Q/2)+1) = 1/(1+(D/D_0)^6);endendG_1 = H_1 .* F;G_2 = H_2 .* F;g_1 = real(ifft2(G_1));g_1 = g_1(1:1:M,1:1:N);g_2 = real(ifft2(G_2));g_2 = g_2(1:1:M,1:1:N);         for x = 1:1:Mfor y = 1:1:Ng_1(x,y) = g_1(x,y) * (-1)^(x+y);g_2(x,y) = g_2(x,y) * (-1)^(x+y);endend%% 显示图像figure();imshow(g_2,[0 1]);

高斯平滑：f为加噪图像

    f=double(f);f=fft2(f);f=fftshift(f);[m,n]=size(f);d0=80;m1=fix(m/2);n1=fix(n/2);for i=1:mfor j=1:nd=sqrt((i-m1)^2+(j-n1)^2);h(i,j)=exp(-d^2/2/d0^2);endendg=f.*h;g=ifftshift(g);g=ifft2(g);g=mat2gray(real(g));%% 显示图像figure();imshow(g);

自适应中值滤波：f为噪声图像

    f = mat2gray(f,[0 255]);[M,N] = size(f);g_sp = f;x = linspace(-0.2,1.2,358);h = hist(g_sp,x)/(M*N);Histogram = zeros(358,1);for y = 1:256Histogram = Histogram + h(:,y);end%% S_max = 7;w = zeros(S_max,S_max);w(round(S_max/2),round(S_max/2)) = 1;g_Ex = imfilter(g_sp,w,'symmetric','full');g_Admf = zeros(M,N);S = 3;for x = 4:M+3for y = 4:N+3%  Afor S = 3:2:S_maxS_xy = zeros(S,S);for s = 1:1:Sfor t = 1:1:SS_xy(s,t) = g_Ex(x+s-round(S/2),y+t-round(S/2));endend z_min = min(S_xy(:));z_max = max(S_xy(:));z_med = median(S_xy(:));A_1 = z_med - z_min;A_2 = z_med - z_max;if ((A_1>0)&&(A_2<0)) % B B_1 = g_Ex(x,y) - z_min;B_2 = g_Ex(x,y) - z_max;if((B_1>0)&&(B_2<0)) g_Admf(x-3,y-3) = z_med;break;else g_Admf(x-3,y-3) = z_med; break;end  endif(S >= S_max)  g_Admf(x-3,y-3) = z_med; break;endend    endend%% 显示结果figure();imshow(g_Admf,[0,1]);

维纳滤波：

    afterFilter = wiener2(f,[7 7]);    figure();imshow(afterFilter);

最大值滤波、中值滤波、最小值滤波：调节参数即可,5相当于中值滤波

    afterFilter = ordfilt2(f,5,ones(3,3));figure();imshow(afterFilter);    复合滤波：
```matlabafterFilter1 = ordfilt2(f,5,ones(3,3));h_gaosi1=fspecial('gaussian',3,1);afterFilter2 = imfilter(afterFilter1,h_gaosi1);afterFilter3 = wiener2(afterFilter2,[7 7]);figure();imshow(afterFilter3);

部分结果：

Matlab---图像滤波之各种滤波器汇总实现相关推荐

matlab soble滤波,MATLAB 图像滤波去噪分析及其应用
MATLAB 图像滤波去噪分析及其应用第1章图像颜色空间相互转换与MATLAB实现 1．1 图像颜色空间原理 1．1．1 RGB颜色空间 1．1．2 YCbCr颜色空间 1．1．3 YUV颜色空间 ...
matlab图像滤波
转自:http://hi.baidu.com/wang%5Fpw/blog/item/36354a637ac87b48eaf8f879.html clc; clear all; I=i ...
matlab高斯滤波跟中值滤波区别,matlab图像滤波处理代码讲解均值滤波中值滤波高斯滤波...
该楼层疑似违规已被系统折叠隐藏此楼查看此楼 (1)均值滤波 function imres = averageFilter(im,N) % imres为均值滤波后的矩阵,参数im为图像的路径,N为滤波 ...
【Matlab 图像】滤波器原理使用及测试效果
滤波器使用及测试效果滤波器1:低通滤波原理代码效果滤波器2:高斯平滑原理代码效果滤波器3:自适应中值滤波原理代码效果滤波器4:维纳滤波原理代码效果滤波器5:最大值滤波 ...
【老生谈算法】matlab实现图像滤波处理算法源码——图像滤波处理算法
matlab图像滤波处理算法详解 1.文档下载: 本算法已经整理成文档如下,有需要的朋友可以点击进行下载序号文档(点击下载) 本项目文档 [老生谈算法]matlab图像滤波处理.doc 2.算法详 ...
python图像滤波
python图像滤波预备知识滤波器低通滤波器的主要作用可以消除噪声, 高通滤波器的作用可以提取边缘核函数如果我们想要将这两类数据进行分类,那么分类的边界将会是一个椭圆: 但是如果我们可以通过 ...
Matlab图像处理创新实践-实验2【图像滤波基础（2）】
Matlab图像处理创新实践-实验1[图像滤波基础(1)] Matlab图像处理创新实践-实验2[图像滤波基础(2)] Matlab图像处理创新实践-实验3[图像锐化] Matlab图像处理创新实践- ...
Matlab图像处理创新实践-实验1【图像滤波基础（1）】
Matlab图像处理创新实践-实验1[图像滤波基础(1)] Matlab图像处理创新实践-实验2[图像滤波基础(2)] Matlab图像处理创新实践-实验3[图像锐化] Matlab图像处理创新实践- ...
Matlab 频域滤波处理周期噪声图像（带阻滤波器滤波）
带阻滤波器的传递函数为: D0为截止半径(或是截止宽度) D1.D2由下式确定,表示与(u0,v0)和(-u0,v0)点的距离,此时(u0,v0)是在频域中心为坐标原点表示的,所以是对称关系. 使用二 ...

Matlab---图像滤波之各种滤波器汇总实现

1 打开图片

2 创建我们需要的噪声

3 开始滤波处理(空域和频域)

Matlab---图像滤波之各种滤波器汇总实现相关推荐

最新文章

热门文章