中值滤波3*3滤波窗口

程序如下:

>> i=imread('Winter.jpg'); %读入图像

subplot(2,2,1);

imshow(i); %显示原始图像

title('original'); %设置图像标题

j = imnoise(i,'salt & pepper',0.02); %加均值为0,方差为0.02的椒盐噪声

subplot(2,2,2);

imshow(j); %显示处理后的图像

title('加入椒盐噪声');

k = imnoise(i,'gaussian',0.02); %加均值为0,方差为0.02的加入高斯噪声

l = imnoise(k,'salt & pepper',0.02); %加均值为0,方差为0.02的椒盐噪声

subplot(2,2,3);

imshow(l);

title('加入椒盐噪声和高斯噪声');

r=l(:,:,1);

g=l(:,:,2);

b=l(:,:,3);

[m,n]=size(r);

for i=1:m

for j=1:n

if(i==1|i==m|j==1|j==n)

G(i,j)=r(i,j);

else

hao(1)=r(i-1,j-1);

hao(2)=r(i-1,j);

hao(3)=r(i-1,j+1);

hao(4)=r(i,j-1);

hao(5)=r(i,j);

hao(6)=r(i,j+1);

hao(7)=r(i+1,j-1);

hao(8)=r(i+1,j);

hao(9)=r(i+1,j+1);

hao=sort(hao);

G(i,j)=hao(5);

end

end

end

>> for i=1:m

for j=1:n

if(i==1|i==m|j==1|j==n)

K(i,j)=g(i,j);

else

hao(1)=g(i-1,j-1);

hao(2)=g(i-1,j);

hao(3)=g(i-1,j+1);

hao(4)=g(i,j-1);

hao(5)=g(i,j);

thao(6)=g(i,j+1);

hao(7)=g(i+1,j-1);

hao(8)=g(i+1,j);

hao(9)=g(i+1,j+1);

hao=sort(hao);

K(i,j)=hao(5);

end

end

end

>> for i=1:m

for j=1:n

if(i==1|i==m|j==1|j==n)

L(i,j)=b(i,j);

else

hao(1)=b(i-1,j-1);

hao(2)=b(i-1,j);

hao(3)=b(i-1,j+1);

hao(4)=b(i,j-1);

hao(5)=b(i,j);

hao(6)=b(i,j+1);

hao(7)=b(i+1,j-1);

hao(8)=b(i+1,j);

hao(9)=b(i+1,j+1);

hao=sort(hao);

L(i,j)=hao(5);

end

end

end

>> l(:,:,1)=G;

>> l(:,:,2)=K;

>> l(:,:,3)=L;

>> subplot(2,2,4);

>> imshow(l);

用5*5的滤波窗口进行中值滤波处理:

程序如下:

>> i=imread('Winter.jpg'); %读入图像

subplot(2,2,1);

imshow(i); %显示原始图像

title('original');

j = imnoise(i,'salt & pepper',0.02); %加均值为0,方差为0.02的椒盐噪声。

subplot(2,2,2);

imshow(j); %显示处理后的图像

title('加入椒盐噪声');

k = imnoise(i,'gaussian',0.02); %加均值为0,方差为0.02的加入高斯噪声

l = imnoise(k,'salt & pepper',0.02); %加均值为0,方差为0.02的椒盐噪声

subplot(2,2,3);

imshow(l);

title('加入椒盐噪声和高斯噪声');

r=l(:,:,1);

g=l(:,:,2);

b=l(:,:,3);

[a,b]=size(r);

for i=1:a

for j=1:b

if(i==1|i==2|i==a-1|i==a|j==1|j==2|j==b-1|j==b)

P(i,j)=r(i,j);

else

hao(1)=r(i-2,j-2);

hao(2)=r(i-2,j-1);

hao(3)=r(i-2,j);

thao(4)=r(i-2,j+1);

hao(5)=r(i-2,j+2);

hao(6)=r(i-1,j-2);

hao(7)=r(i-1,j-1);

hao(8)=r(i-1,j);

hao(9)=r(i-1,j+1);

hao(10)=r(i-1,j+2);

hao(11)=r(i,j-2);

hao(12)=r(i,j-1);

hao(13)=r(i,j);

hao(14)=r(i,j

matlab实现中值滤波程序,中值滤波matlab程序相关推荐

  1. matlab实现中值滤波程序,中值滤波流程(matlab平滑滤波和中值滤波程序)

    matlab平滑滤波和中值滤波程序 glRasterPos2i(100,100); //定位当前光标 glutBitmapCharacter(GLUT_BITMAP_9_BY_15,'H'); //写 ...

  2. 均值滤波、中值滤波【MATLAB】【图像处理】

    1. 均值滤波:即线性滤波,有:  a.邻域平均, b. 加权平均两种. a. 邻域平均:用一个像素邻域平均值作为滤波结果,此时滤波器模板的所系数都取1,为保证输出图仍在原来的灰度值范围,在算得R后要 ...

  3. 均值滤波、中值滤波的matlab实现

    目前比较经典的图像去噪算法主要有以下三种:   均值滤波算法:也称线性滤波,主要思想为邻域平均法,即用几个像素灰度 的平均值来代替每个像素的灰度.有效抑制加性噪声,但容易引起图像模 糊, 可以对其进行 ...

  4. matlab中基于十字形窗口的滤波算法,#215;字形滤波窗口在Matlab自适应中值滤波算法中的应用 - 21ic中国电子网...

    由于种种原因,图像在生成.传输.变换等过程中往往会受到各种噪声的污染,从而导致图像质量退化.噪声信号的滤波是图像处理的基本任务之一,主要有线性滤波和非线性滤波两种方法.线性滤波方法一般具有低通特性,而 ...

  5. 中值滤波medianBlur函数的使用示例程序

    //--------------------------------------[程序说明]------------------------------------------- // 程序描述:中值 ...

  6. 第七周作业:matlab分别对图片加入高斯噪音和椒盐噪音,然而利用均值滤波和中值滤波分别对上述两种噪音进行去噪。

    文章目录 题目 原图 1.添加椒盐噪声 2.添加高斯噪声 3.均值滤波处理椒盐噪声 4.中值滤波处理椒盐噪声 5.均值滤波处理高斯噪声 6.中值滤波处理高斯噪声 题目 利用MATLAB编程,制作一张照 ...

  7. 关于平滑滤波,中值滤波,KNN滤波的图像处理(附matlab代码)

    前些天小编上了数字图像的课程,里面提到了均值平滑滤波操作,中值滤波操作,和KNN平滑滤波操作. 1.何为均值平滑滤波呢? 均值滤波的核心就是在一定的小范围内,给这个小范围的像素取平均值(此操作是在原图 ...

  8. 【Matlab图像去噪】中值+均值+Lee+Kuan图像滤波【含源码 1179期】

    一.代码运行视频(哔哩哔哩) [Matlab图像去噪]中值+均值+Lee+Kuan图像滤波[含源码 1179期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] ...

  9. 噪点检测matlab,基于噪点检测的中值滤波图像去噪方法

    摘  要: 图像去噪是图像处理中一个非常重要的环节.针对传统中值滤波方法存在的不足,提出一种新的基于噪点检测的自适应中值滤波图像去噪方法.该方法通过自适应地改变滤波窗口的大小,局部检测并判断极值点是否 ...

  10. MATLAB图像的中值滤波——手动滤波和medfilt2函数滤波

    本文还是书接上回,https://blog.csdn.net/weixin_44502554/article/details/126283957?spm=1001.2014.3001.5502 前期的 ...

最新文章

  1. SAP FI配置关键点
  2. notepad++怎么换行命令_命令注入新玩法:巧借环境攻击目标
  3. HDU 1175 连连看
  4. CPU各寄存器的作用
  5. Here we are 团队简介
  6. 客气话要靠谱。比如公司业务一直没开展,却说学到了太多东西,那学的难道是怎样把公司搞死?
  7. c段服务器维护,服务器 多c段
  8. Bridging legacy APIs 桥接遗留API
  9. oracle 两表关联查询
  10. 外卖返利小程序饿了么美团对接公众号返利系统分销系统源码
  11. 33c3 CTF web WriteUp
  12. 硬件工程师成长之路(0)----认识元件
  13. SQL Server UPDATE语句用于更新数据
  14. 习题3-5 三角形判断
  15. 【基础教程】基于Matlab画花式箱体图
  16. 从自然科学基金项目申请看科学问题的凝练 (陈越 等)
  17. source insight 在Linux下安装
  18. CMPP3 消息定义2
  19. 机器学习sklearn-PCA降维算法
  20. cad查看_CAD看图软件电脑版4种隐藏功能!

热门文章

  1. 国内邮件服务器 评测,Windows下的邮件服务器性能评测(组图)
  2. 微软前互联网高管陶闯出任PPLive CEO
  3. Deep Photometric Stereo Network
  4. delphi的消息对话框
  5. 基于单片机的数据采集系统
  6. AS5600磁角度传感器开发记录
  7. 人工智能拟真化体现为教学情境的强交互性和高仿真性
  8. 自己以前写的一个简单的jq,包含了 ajax,get,post,submit 等方法还有jsonp的思想
  9. 未明学院:数据说 | 故宫600年,从“百年IP”到一代网红
  10. 构建iphone聊天应用程序