数字图像处理之空间滤波.docVIP

实验三、空域滤波 实验目的 了解空域滤波的方法； 掌握几种模板的基本原理。 二、实验内容 使用函数fspecial( ) 生成几种特定的模板； 使用函数imfilter( ) 配合模板对图象数据进行二维卷积； 比较各种滤波器的效果。 三、实验步骤 线性平滑（低通）滤波器 用 h=fspecial(‘average’) 得到的h 为3×3的邻域平均模板，然后用h来对图象cameraman.tif 进行平滑处理。 x=imread(‘cameraman.tif’); h=fspecial(‘average’) y=imfilter(x,h); subplot(1,2,1) imshow(x) subplot(1,2,2) imshow(y) 把模板大小依次改为7×7，9×9和11×11，观察其效果有什么不同？ 7×7： 9×9： 11×11： 改变 fspecial( )的参数为高斯低通模板fspecial(‘gaussian’)，再以上同样的平滑处理，观察其结果。 实验结果：相对于未进行处理的图像更加清晰 可以用mesh 函数直观观察模板： clear h1=fspecial(‘gaussian’,100,3); [x y]=meshgrid(1:100); mesh(x,y,h1); h2=fspecial(‘gaussian’,100,10); figure mesh(x,y,h2) 对以上模板进行求和运算sum(sum(h)),其结果是否一样，试解释。 实验结果：求和得数均为1。 B = sum(A) returns sums along different dimensions of an array. 非线性平滑滤波器 中值（median）滤波器是非线性滤波器的一种，它工作原理如下： 将模板在图中漫游，并将模板中心与图中某个象素位置重合； 读取模板下各对应象素的灰度值； 将这些灰度值从小到大排成一列； 找出这些值中排在中间的1个； 将这个中间值赋给对应模板中心位置的象素。 先用 imnoise( )函数给图象加噪声，如对图象增加高斯白噪声 y=imnoise(x,’gaussian’) 对图象 eight.tif 添加胡椒盐噪声（saltpepper）,然后分别用前面 的均值滤波器和中值滤波器medfilt2( ) 进行去噪声处理，比较结果。 均值滤波： 中值滤波： 思考： 用imnoise( )函数分别对eight.tif添加高斯噪声及椒盐噪声，然后进行均值滤波、中值滤波，观察结果。 均值滤波： 中值滤波： 线性锐化滤波器 线性锐化滤波器的模板为h=[ -1 -1 -1; -1 8 -1; -1 -1 -1;] 用该模板对图象 cameraman.tif 进行锐化处理； close all; x=imread(cameraman.tif); h=[ -1 -1 -1; -1 8 -1; -1 -1 -1;] y=imfilter(x,h); subplot(1,2,1) imshow(x) subplot(1,2,2) imshow(y) 也可以fspecial(laplacian) 函数得到锐化模板； close all; x=imread(cameraman.tif); h=fspecial(laplacian) y=imfilter(x,h); subplot(1,2,1) imshow(x) subplot(1,2,2) imshow(y) 另外一种有趣的作法是：用原图象减去经过低通处理的图象，再经过灰度拉伸得到高通（锐化）的图象。 索贝尔（sobel）算子 h1=[ -1 0 1; -2 0 2; -1 0 1;] h2=[ 1 2 1; 0 0 0; -1 -2 -1;] 分别使用以上算子对图象进行处理可以得到图象的边缘。 x=imread(cameraman.tif); h1=[ -1 0 1;