几种常用的图像平滑方法算法.doc

几种常用的图像平滑方法算法 1、 二维自适应维纳滤波： I=imread(C:\Documents and Settings\Administrator\桌面\1.gif); %读取图像 J=imnoise(I,gaussian,0,0.005); %加入均值为0，方差为0.005的高斯噪声 K2=wiener2(J,[3 3]); %对加噪图像进行二维自适应维纳滤波 K2=wiener2(J,[5 5]); %对加噪图像进行二维自适应维纳滤波 K2=wiener2(J,[7 7]); %对加噪图像进行二维自适应维纳滤波 K2=wiener2(J,[9 9]); %对加噪图像进行二维自适应维纳滤波 subplot(2,3,1);imshow(I); title(原始图像); subplot(2,3,2);imshow(J); title(加噪图像); subplot(2,3,3);imshow(K1); title(恢复图像1); subplot(2,3,4);imshow(K2); title(恢复图像2); subplot(2,3,5);imshow(K3); title(恢复图像3); subplot(2,3,6);imshow(K4); title(恢复图像3); 2、 均值滤波、中值滤波、维纳滤波消除椒盐噪声 I=imread(1.gif); J1=imnoise(I,gaussian,0,0.02); J2=imnoise(I,salt pepper,0.02); J3=imnoise(I,speckle,0.02); 运行效果见图2 I=imread(C:\Documents and Settings\Administrator\桌面\1.gif); J=imnoise(I,salt pepper,0.02); %h=ones(3,3)/9;%产生3*3的全1数组 %B=conv2(J,h);%卷积运算 K2=filter2(fspecial(average,3),J)/255; %均值滤波模板尺寸为3 K= medfilt2(J);%采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 K1=wiener2(J,[3 3]); %对加噪图像进行二维自适应维纳滤波 subplot(2,3,1);imshow(I); title(原始图像); subplot(2,3,2);imshow(J); title(加噪图像); subplot(2,3,3);imshow(K2); title(均值滤波后的图像); subplot(2,3,4);imshow(K); title(中值滤波后的图像); subplot(2,3,5);imshow(K1); title(维纳滤波后的图像); 3、 均值滤波对高斯噪声的效果 I=imread(C:\Documents and Settings\Administrator\桌面\1.gif);%读取图像 J=imnoise(I,gaussian,0,0.005);%加入均值为0，方差为0.005的高斯噪声 subplot(2,3,1);imshow(I); title(原始图像); subplot(2,3,2); imshow(J); title(加入高斯噪声之后的图像); %采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 K1=filter2(fspecial(average,3),J)/255; %模板尺寸为3 K2=filter2(fspecial(average,5),J)/255;% 模板尺寸为5 K3=filter2(fspecial(average,7),J)/255; %模板尺寸为7 K4= filter2(fspecial(average,9),J)/255; %模板尺寸为9 subplot(2,3,3);imshow(K1); title(改进后的图像1); subplot(2,3,4); imshow(K2); title(改进后的图像2); subplot(2,3,5);imshow(K3); title(改进后的图像3); subplot(2,3,6);imshow(K4); title(改进后的图像4); 4、 利用wpdencmp函数进行图像去噪 I=imread(C:\Documents and Settings\Administrator\桌面\1.gif); I=im2double(I); subplot(2,2,1);imshow(I); title(原始图像); J=imnoise(I,gaussian,0,0.05); subplot(2,2,2);imshow(J); title(含噪图像); thr