数字图像处理上机作业.docVIP

数字图像第四讲作业 设计一个程序对受到高斯白噪声及椒盐噪声干扰的图像进行3x3,5x5邻域的平均平滑以及中值滤波. (添加噪声参看imnoise函数, 空域卷积可用imfilter2函数实现)。 分析：1.邻域平均平滑可以采用imfilter函数，选择正确的卷积核就可以进行相应的邻域平均平滑操作了。3x3的卷积核为： H1=1/8*[1 1 1 1 0 1 1 1 1]; 5x5的卷积核为：H2=1/24*[1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 ]; 2.中值平滑可以先编写中值平滑子函数zhongzhi()，然后在主函数中调用即可。以3*3中值平滑为例来分析其操作过程，3*3中值平滑就是将以各项素为中心的9个像素值的中间值作为平滑后的新的像素值赋给该像素。因此可以通过I(i-1:i+1,j-1:j+1)得到对应于I(i,j)点的九个像素值，然后在由median函数可求出这九个值的中值，赋给新矩阵的(i,j)点即可。 注意I(i-1:i+1,j-1:j+1)操作可能会有i-1=0，j-1=0或i+1、j+1大于矩阵最大行列数的情况，从而出现错误。在这里我的处理是在I矩阵的外围补上一圈0，即出现上述情况时像素值以0来代替。具体代码为： I0=zeros(m+2,n+2); for i=2:m+1 for j=2:n+1 I0(i,j)=I(i-1,j-1); end end 同理，5*5的中值平滑也可以同样操作，只不过是在外围补上两圈零而已。 代码及注释如下： 主函数： clear I = imread(Lenna.bmp); J=imnoise(I,gaussian); K=imnoise(I,salt pepper); %H1为3*3邻域平滑的卷积核，H2为5*5邻域平滑的卷积核 H1=1/8*[1 1 1 1 0 1 1 1 1]; H2=1/24*[1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 ]; J1=imfilter(J,H1); %高斯白噪声的3*3邻域平滑 J2=imfilter(J,H2); %高斯白噪声的5*5邻域平滑 K1=imfilter(K,H1); %椒盐噪声的3*3邻域平滑 K2=imfilter(K,H2); %椒盐噪声的5*5邻域平滑 J3=zhongzhi(J,3); %高斯白噪声的3*3中值平滑 J4=zhongzhi(J,5); %高斯白噪声的5*5中值平滑 K3=zhongzhi(K,3); %椒盐噪声的3*3中值平滑 K4=zhongzhi(K,5); %椒盐噪声的5*5中值平滑 subplot(131);imshow(J);title(高斯白噪声); subplot(132);imshow(J1);title(高斯白噪声的3*3邻域平滑); subplot(133);imshow(J2);title(高斯白噪声的5*5邻域平滑); figure subplot(131);imshow(J);