数字通信原理的matlab图像处理实验.docVIP

设计性实验5 图像颗粒噪声的产生与去除 实验目的 了解图像去噪的仿真方法及原理； 利用二维滤波器去除图像中的颗粒噪声； 实验要求 （1）仿真合成一副带颗粒噪声的图像； （2）使用二维滤波器去除图像中的颗粒噪声； 实验提示 （1）颗粒噪声可以看做是高频噪声。 程序代码如下： clear; close all; %读取并显示原来的图像 RGB=imread(pic.jpg); figure(1); imshow(RGB); title(原来的RGB图像); %彩色图像转化为灰度图像 gray=rgb2gray(RGB); figure(2); imshow(gray); title(转化为gray的图像); %增强图像的对比度 duibidu=histeq(gray); figure(3); imshow(duibidu); title(增强对比度后的图像); %存储图像 imwrite(duibidu,new.jpg); cun=imread(new.jpg); figure(4); imshow(cun); title(正确存储的图像); %增加亮度 RGB1=imread(pic.jpg); RGB2=imadd(RGB1,20); figure(5); imshow(RGB2); title(增加亮度后的图像); %图像的加法：用于对同一场景的多幅图像求平均效果 %以便有效地降低具有叠加性质的随机噪声 A=imread(pic.jpg); B=imnoise(A,gaussian,0.01); C=imadd(A,B); D=imadd(B,B); figure(6); subplot(2,2,1);imshow(A); subplot(2,2,2);imshow(B); subplot(2,2,3);imshow(C); subplot(2,2,4);imshow(D); %图像减法，也叫差分方法，常用于检测图像变化及运动物体的图像处理方法 %下面，根据原始图像生成其背景亮度图像，再将原始图像减去背景亮度图像 old=imread(pic.jpg); background=imopen(old,strel(disk,200)); new=imsubtract(old,background); figure(7); subplot(2,1,1);imshow(old);title(原始图像); subplot(2,1,2);imshow(new);title(减法后去除背景的图像); %画出灰度图像的轮廓图 lun_yuan=imread(pic.jpg); lun_old=rgb2gray(lun_yuan); figure(8); lun_new=imcontour(lun_old);title(灰度图像的轮廓图); %画出图像的边缘 bian_yuan=imread(pic.jpg); bian_gray=rgb2gray(bian_yuan); bian=edge(bian_gray,sobel,0.03); figure(9); imshow(bian);title(图像的边缘图); %图像平滑，低通滤波 %增加噪声 ping_yuan=imread(pic.jpg); ping_gray=rgb2gray(ping_yuan); ping_noise=imnoise(ping_gray,gaussian,0,0.01); figure(10); imshow(ping_noise);title(增加噪声后的灰度图像); %二维中值滤波 %每个输出像素包含输入图像中相应像素周期的M*N邻域内的中值 ping1=medfilt2(ping_noise,[4 4]); figure(11); imshow(ping1);title(二维中值滤波); %增加对比度 ping1_1=histeq(ping1); figure(12); imshow(ping1_1);title(二维中值滤波再增加对比度后的图像); %空间域低通滤波,即在空间域中采用离散卷积 ping3=double(ping_noise)/255; % 3种用于平滑噪声的低通形式的算子阵列H h1=[1/9 1/9 1/9;1/9 1/9 1/9;1/9 1/9 1/9]; h2=[1/10 1/10 1/10;1/10 1/5 1/10;1/10 1/10 1/10]; h3=[1/16 1/8 1/16;1/8 1/4 1/8;1/16 1/8 1/16]; ping31=conv2(ping3,h1,smme); figure(13); imshow(ping31);title( 空间域低通滤波后的图像1 );