课程设计参考样本.docVIP

数学专业课设 专业：数学与应用数学081 姓名：王艳静 学号：200800134107 图像锐化、平滑及边缘检测 X=imread(D:I3_256.bmp); J=imnoise(X,salt pepper,0.04); J1=imnoise(X,gaussian,0,0.02); [p,q]=size(J); x1=double(J); [I,map]=imread(D:I3_256.bmp); M4=[0 1 0; 1 0 1; 0 1 0]; M4=M4/4; I_filter1=filter2(M4,J); I_filter2=filter2(M4,J1); for i=2:p-1 for j=2:q-1 c=[x1(i-1,j-1),x1(i-1,j),x1(i-1,j+1),x1(i,j-1),x1(i,j),x1(i,j+1),x1(i+1,j-1),x1(i+1,j),x1(i+1,j+1)]; s=sum(sum(c)); x1(i,j)=s/9; end end [p,q]=size(J1); x2=double(J1); for i=2:p-1 for j=2:q-1 c=[x2(i-1,j-1),x2(i-1,j),x2(i-1,j+1),x2(i,j-1),x2(i,j),x2(i,j+1),x2(i+1,j-1),x2(i+1,j),x2(i+1,j+1)]; s=sum(sum(c)); x2(i,j)=s/9; end end subplot(3,3,1);imshow(X);title(原始图像); subplot(3,3,2);imshow(J);title(椒盐干扰图像); subplot(3,3,4); imshow(I_filter1,map);title(库函数处理椒盐); d1=uint8(x1); subplot(3,3,5);imshow(d1);title(均值滤波椒盐); subplot(3,3,3);imshow(J1);title(高斯干扰图像); subplot(3,3,7);imshow(I_filter2,map);title(库函数处理高斯) d2=uint8(x2); subplot(3,3,8);imshow(d2);title(均值滤波高斯); (3)运行结果及分析 由图像可以看到均值滤波对椒盐噪声的抑制能力较好，而对高斯噪声的滤波几乎没有太大改善。原因是高斯噪声的影响几乎是全局的，即加入噪声的图像与原图像几乎所有点均不一致，这就造成了均值滤波所依赖的的周围像素值的不确定和不稳定，因而滤波效果不太好。 由图像可以看到上面编写的均值滤波程序无论是对椒盐噪声还是高斯噪声的抑制能力都不如中均值滤波的库函数效果好。 5.1.2 中值滤波 （1）原理 前面使用的邻域平均法属于低通滤波的处理方法。它在抑制噪声的同时使图像变得模糊，即图像的细节(例如边缘信息)被削弱，如果既要抑制噪声又要保持细节可以使用中值滤波。 中值滤波用一个含有奇数点的滑动窗口，将邻域中的像素按灰度级排列，取其中间值为输出像素。中值滤波的数学描述为： 若为像素的邻域集合（包含），表示中的元素，表示点的灰度值，表示集合中元素的个数，表示排序，则对进行平滑可以表示为。 （2）编程实现 X=imread(D:I3_256.bmp); J=imnoise(X,salt pepper,0.02); J1=imnoise(X,gaussian,0,0.02); [p,q]=size(J); x1=double(J); for i=2:p-1 for j=2:q-1 c=[x1(i-1,j-1),x1(i-1,j),x1(i-1,j+1),x1(i,j-1),x1(i,j),x1(i,j+1),x1(i+1,j-1),x1(i+1,j),x1(i+1,j+1)]; x1(i,j)=median(c); %c=[x1(i-1,j-1