高斯计特斯拉计电子档说明.docVIP

高斯平滑滤波实验报告 一，实验要求 实现高斯平滑滤波器。选择几个不同的σ（至少5个）对一幅图像进行滤波，观测不同的σ值对图像的平滑程度（注意σ取值与窗函数大小的关系）。你将如何为一幅图像选择合适的σ值？ 二，高斯平滑滤波器简介 连续高斯函数为。连续的高斯函数图像如图1所示。 图1 连续高斯函数 离散高斯函数为。一个离散高斯模板如图2所示。 图2 离散高斯模板 高斯滤波就是对整幅图像进行HYPERLINK /view/1295039.htm加权平均的过程，每一个HYPERLINK /view/575.htm像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。由上面图示可知，高斯函数的特点就是模板中心像素在新像素所占的比重最大，离中心越远的像素在新像素中所占的比重越小。高斯滤波器的系统函数是平滑的，避免了振铃现象。 高斯函数具有五个重要性质：1，具有旋转对称性；2，是单值函数；3，其付氏频谱是单瓣的；4，高斯滤波器宽度(决定平滑程度)由参数σ表征；5，可分离性，大高斯滤波器得以有效实现。 三，高斯平滑滤波实现 本实验中运用MATLAB来实现对图像的高斯平滑滤波。处理前的图像如图三所示，是图像处理学习中常用的lena图像。 图3 原图 因为平滑滤波器的作用是消除图像中的噪声，为了更好地检测高斯平滑滤波器的效果，用MATLAB中的noise函数为原图加上高斯噪声，再对其进行处理，如图4所示。 图4 加高斯噪声的图像 接下来就可以进行高斯平滑滤波了。在MATLAB中，用fspecial函数来生成高斯模板。其使用格式为： f= fspecial(gaussian,[3 3],0.5); 其中[3 3]是模板的大小，可以更改，本实验中的模板均为3×3的；后面的0.5就是σ的值了。 接着用imfilter函数滤波，其使用格式为： img_smooth1 =imfilter(J,f); 其中J为待处理的图像，f即为高斯模板。 本实验中选择的σ值为0.5，1，2，4，6，8，10；用MATLAB进行试验来观测滤波结果。 实验程序如下： im=imread(lena.bmp); imshow(im,[]); title(原图); J=imnoise(im,gaussian); figure imshow(J,[]); title(加高斯噪声图); f1 = fspecial(gaussian,[3 3],0.5); img_smooth1 =imfilter(J,f1); figure subplot 221 imshow(img_smooth1,[]); title(0.5); f2 = fspecial(gaussian,[3 3],1); img_smooth2 = imfilter(J,f2); subplot 222 imshow(img_smooth2,[]); title(1); f3 = fspecial(gaussian,[3 3],2); img_smooth3 = imfilter(J,f3); subplot 223 imshow(img_smooth3,[]); title(2); f4 = fspecial(gaussian,[3 3],4); img_smooth4 = imfilter(J,f4); subplot 224 imshow(img_smooth4,[]); title(4); f5= fspecial(gaussian,[3 3],8); img_smooth5 = imfilter(J,f5); figure subplot 121 imshow(img_smooth5,[]); title(8); f6= fspecial(gaussian,[3 3],10); img_smooth6 = imfilter(J,f6); subplot 122 imshow(img_smooth6,[]); title(10); 滤波结果如下：    四，实验结果分析： 由实验结果可知，随着σ值的增大，噪声滤除的越干净，但同时，图像也变得越模糊，轮廓不清晰。当σ值大于4时，随着σ值的增加，滤波的效果几乎没有变化。所以σ要选取合适的值才能使滤波后的图像满足要求，不能太小，否则噪声滤除不干净；也不能太大，太大了图像变模糊，就违反了处理图像的初衷；总之，要在中间选一个折中的值。在选择σ值时，可以多尝试几个，选择最满意的一个。