实验三 邻域平均法滤波.docVIP

数字图像处理 实验报告 实验三 邻域平均法滤波 学号 姓名 日期 2013.05.11 实验三 邻域平均法滤波 一、实验内容 选取噪声较明显的图像，分别采用3*3、5*5、7*7的模板进行邻域平均法滤波，并比较滤波效果。 二、实验步骤 设计思想或者流程图。 邻域平均法的思想是用像素及其指定邻域内像素的平均值或加权平均值作为该像素的新值，以便去除突变的像素点，从而滤除一定的噪声。邻域平均法的数学含义可用下式表示： （1） 上式中：是以为中心的邻域像素值；是对每个邻域像素的加权系数或模板系数； 是加权系数的个数或称为模板大小。邻域平均法中常用的模板是： （2） 为了解决邻域平均法造成的图像模糊问题，采用阈值法（又叫做超限邻域平均法如果某个像素的灰度值大于其邻域像素的平均值且达到一定水平则判断该像素为噪声继而用邻域像素的均值取代这一像素值： （3） （3）式中，是原始含噪声图像，是由（1）式计算的平均值，滤波后的像素值。 源程序并附上注释。 A=imread(1.jpg); B=rgb2gray(A); figure; imshow(B); title(原始图象); H=imnoise(B,gaussian); figure; imshow(H); title(高斯噪声); Q=imnoise(B,salt pepper); figure; imshow(Q); title(椒盐噪声); %G=fspecial(average,3*3); %D=imfilter(H,G); %figure; imshow(D); title(高斯噪声图片平均模板); %L=fspecial(average,5*5); %S=imfilter(H,L); %figure; imshow(S); title(高斯噪声图片平均模板1); %W=fspecial(average,7*7); %O=imfilter(H,W); %figure; imshow(O); title(高斯噪声图片平均模板2); %M=fspecial(gaussian,3*3); %E=imfilter(Q,M); %figure; imshow(E); title(椒盐噪声图片高斯模板); %N=fspecial(gaussian,5*5); %K=imfilter(Q,N); %figure; imshow(K); title(椒盐噪声图片高斯模板1); %Z=fspecial(gaussian,7*7); %J=imfilter(Q,Z); %figure; imshow(J); title(椒盐噪声图片高斯模板2); %R=fspecial(gaussian,3*3); %T=imfilter(H,R); %figure; imshow(T); title(高斯噪声图片高斯模板); %X=fspecial(gaussian,5*5); %V=imfilter(H,X); %figure; imshow(V); title(高斯噪声图片高斯模板1); %U=fspecial(gaussian,7*7); %P=imfilter(H,U); %figure; imshow(P); title(高斯噪声图片高斯模板2); M=fspecial(average,3*3); E=imfilter(Q,M); figure; imshow(E); title(3*3平均模板); N=fspecial(average,5*5); K=imfilter(Q,N); figure; imshow(K); title(5*5平均模板); Z=fspecial(average,7*7); J=imfilter(Q,Z); figure; imshow(J); title(7*7平均模板); %C=medfilt2(Q); %figure; imshow(C); title(椒盐噪声图片中值滤波处理); %M=medfilt2(H); %figure; imshow(M); title(高斯噪声图片中值滤波处理); 3.程序运行结果比较。 4.实验体会。 通过这次试验，我学到了邻域平均法滤波的具体操作步骤，学会了MATLAB的具体运用流程。这次试验使我收益非浅，使我感触颇深。让我的学习兴趣得到了进一步的提升，是我的知识体系结构更加系统化。