四点平滑、八点平滑、中值滤波、直方图均匀化、线性变换.docVIP

数字图像上机报告 实验内容： 四点平滑、八点平滑、中值滤波、直方图均匀化、线性变换 实验目的： 1、四点平滑、八点平滑：去除高斯噪声，使图像平滑，缺点是会使图像模糊，模糊程度与领域半径成正比丢失边沿。 2、中值滤波：去除图像中的椒盐噪声，平滑图像，同样会使图像模糊，丢失边缘。 编程思想： 1、四点平滑： f(i, j) —— 表示(i, j)点的实际灰度值 g(i, j) —— 变换后输出图象(i, j)点的实际灰度值 以(i, j)点为中心取其上下左右四个像素点的灰度值和点（i, j）取平均，将均值赋给g(i, j)作为输出灰度值。 2、八点平滑： f(i, j) —— 表示(i, j)点的实际灰度值 g(i, j) —— 变换后输出图象(i, j)点的实际灰度值 以(i, j)点为中心取一个N×N的窗口(N = 3,5,7,…八点滤波时N=3)，窗口内象素组成的点集以A来表示，经邻域平均法滤波后，平滑后g(i, j)的值为九个像素点的灰度值值和。 3、中值滤波：取以(i, j)点为中心取一个N×N的窗口(N = 3,5,7,…)，对窗口内的所有像素点的像素值进行排序，去中值作为该点的输出灰度值。取合理的邻近像素值来替代噪声点，所以只适合于椒盐噪声的去除（去椒盐噪声比超限像素平均分更有效），不适合高斯噪声的去除。在滤除随机噪声时，中值滤波要比均值滤波效果弱。 代码及实现效果 四点平滑： 代码： clear close all h=imread(che.jpg); %读入彩色图片 c=rgb2gray(h); %把彩色图片转化成灰度图片，256级 figure,imshow(c),title(原始图象); %显示原始图象 g=imnoise(c,gaussian,0.01,0.002); %加入高斯噪声 figure,imshow(g),title(加入高斯噪声之后的图象); p=size(g); %输入图像是p×q的,且pn,qn x1=double(g); x2=x1; for i=2:p(1)-2 for j=2:p(2)-2 %c=x1(i:i+(n-1),j:j+(n-1)).*a; %取出x1中从(i,j)开始的n行n列元素与模板相乘 s=x1(i,j)+x1(i-1,j)+x1(i+1,j)+x1(i,j+1)+x1(i,j-1); %求c矩阵(即模板)中各元素之和 x2(i,j)=s/5; %将模板各元素的均值赋给模板中心位置的元素 end end %未被赋值的元素取原值 d=uint8(x2); figure,imshow(d),title(滤波后); 八点平滑： 代码： clear close all h=imread(che.jpg); %读入彩色图片 c=rgb2gray(h); %把彩色图片转化成灰度图片，256级 figure,imshow(c),title(原始图象); %显示原始图象 g=imnoise(c,gaussian,0.01,0.002); %加入高斯噪声 figure,imshow(g),title(加入高斯噪声之后的图象); n=input(请输入均值滤波器模板大小\n); a(1:n,1:n)=1; %a即n×n模板,元素全是1 p=size(g); %输入图像是p×q的,且pn,qn x1=double(g); x2=x1; for i=1:p(1)-n+1 for j=1:p(2)-n+1 c=x1(i:i+(n-1),j:j+(n-1)).*a; %取出x1中从(i,j)开始的n行n列元素与模板相乘 s=sum(sum(c)); %求c矩阵(即模板)中各元素之和 x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n); %将模板各元素的均值赋给模板中心位置的元素 end end d=uint8(x2); figure,imshow(d),title(滤波后); 中值滤波 代码： clear close all h=imread(che.jpg); %读入彩色图片 c=rgb2gray(h); %把彩色图片转化成灰度图片，256级 figure,imshow(c),title(原始图象); %显示原始图象 g=imnoise(c,salt pepper,0.04);%加椒盐噪声 figure,imshow(g),title(加入高斯噪声之后的图象); n=input(请输入均值滤波器模板大小\n); a(1:n,1:n