matlab实现中值滤波程序,中值滤波matlab程序
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
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 中值滤波medianBlur函数的使用示例程序
//--------------------------------------[程序说明]------------------------------------------- // 程序描述:中值 ...
- 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 ...
- 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 ...
- 【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] ...
- 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 ...
- 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
- SAP FI配置关键点
- notepad++怎么换行命令_命令注入新玩法:巧借环境攻击目标
- HDU 1175 连连看
- CPU各寄存器的作用
- Here we are 团队简介
- 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?
- c段服务器维护,服务器 多c段
- Bridging legacy APIs 桥接遗留API
- oracle 两表关联查询
- 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
- 33c3 CTF web WriteUp
- 硬件工程师成长之路(0)----认识元件
- SQL Server UPDATE语句用于更新数据
- 习题3-5 三角形判断
- 【基础教程】基于Matlab画花式箱体图
- 从自然科学基金项目申请看科学问题的凝练 (陈越 等)
- source insight 在Linux下安装
- CMPP3 消息定义2
- 机器学习sklearn-PCA降维算法
- cad查看_CAD看图软件电脑版4种隐藏功能!
热门文章
- 国内邮件服务器 评测,Windows下的邮件服务器性能评测(组图)
- 微软前互联网高管陶闯出任PPLive CEO
- Deep Photometric Stereo Network
- delphi的消息对话框
- 基于单片机的数据采集系统
- AS5600磁角度传感器开发记录
- 人工智能拟真化体现为教学情境的强交互性和高仿真性
- 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
- 未明学院:数据说 | 故宫600年,从“百年IP”到一代网红
- 构建iphone聊天应用程序