数字图像处理空域滤波实验解析.docVIP

数字图像处理 实验三 空域滤波 实验报告 一、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、实验步骤及结果 （1）线性平滑（低通）滤波器 1.用h=fspecial(‘average’) 得到的h 为3×3的邻域平均模板，然后用h进行平滑处理。 x=imread(‘cameraman.tif’); h=fspecial(‘average’) ; %h=fspecial(‘average’,[7,7]); y=imfilter(x,h); figure(1); imshow(x) figure(2); imshow(y) 原图： 滤波效果： 2. 改变模板大小重试 x=imread(cameraman.tif); %h=fspecial(‘average’); h=fspecial(average,[7,7]); y=imfilter(x,h); figure(1); imshow(x) figure(2); imshow(y) 原图： 处理效果： Gaussian平滑 改变 fspecial( )的参数为高斯函数，再进行同样的平滑处理，观察其结果。 x=imread(‘cameraman.tif’); h=fspecial(‘gaussian’) //3×3的邻域平均模板(7×7的邻域平均模板h=fspecial(‘gaussian’,[7,7])) y=imfilter(x,h); 实际程序： x=imread(cameraman.tif); h=fspecial(gaussian) %%3×3的邻域平均模板(7×7的邻域平均模板h=fspecial(‘gaussian’,[7,7])) y=imfilter(x,h); subplot(121); imshow(x); subplot(122); imshow(y); 模板大小为[3,3]，左为原图，右为处理后效果 [7,7]，左为原图，右为处理后效果 模板大小为[11,11]，左为原图，右为处理后效果 [7,7]、[9,9]、[11,11]，观察实验得到的结构有何变化？ 结果：高斯模板对结果影响较小，为什么？ 答：简单地说这是由于越靠近的点的权重越大，在很大程度上了点的干扰所以即使模版大小较大其效果仍远远不知亲疏远近变化的 具体地说，若使用3×3模板，则计算公式如下: g(x,y)={f(x-1,y-1)+f(x-1,y+1)+f(x+1,y-1)+f(x+1,y+1)+[f(x-1,y)+f(x,y-1)+f(x+1,y)+f(x,y+1)]*2+f(x,y)*4}/16; 其中，f(x,y)为图像中(x,y)点的灰度值，g(x,y)为该点经过高斯滤波后的值。 用mesh 函数直观观察模板 h1=fspecial(gaussian,100,3); [x y]=meshgrid(1:100); mesh(x,y,h1); h2=fspecial(gaussian,100,10); figure mesh(x,y,h2) （2）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： 1. 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； 2. 读取模板下各对应象素的灰度值； 3. 将这些灰度值从小到大排成一列； 4. 找出这些值中排在中间的1个； 5. 将这个中间值赋给对应模板中心位置的象素。 非线性中值滤波步骤 对图象添加胡椒盐噪声（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，并给出比较结果。 中值滤波和均值滤波2,2,1) imshow(x) subplot(2,2,2) imshow(y) y1=fspecial(‘average’) ; subplot(2,2,3) imshow(x) subplot(2,2,4) imshow(y1) 椒盐噪声大小是是原图，右上是右下是均值滤波 大小是10，左侧两图是原图，右上是右下是均值滤波 发现中值滤波对图像边缘的噪声无能为力，而均值滤波较好地去除边缘噪声。 图像的清晰度，只能说差别不大，，都勉强及格吧。 （3）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;] 用该模板对图象进行锐化处理； 代码： x=imread(cameraman.tif); h=[ -1 -1 -1; -1 8 -1;