实验三数字图像滤波及边缘检测.ppt

实验三 数字图像滤波及边缘检测 了解图像滤波的基本方法。 了解图像边缘检测。 利用MATLAB提供的函数实现对图像处理。 一、实验目的 二、实验原理 为了提高图像的质量，如去除噪声，提高图像的清晰度等。我们需要对获取的图像进行处理以达到所需效果。 如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。 1、图像中值滤波 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。中值滤波的优点是运算简单且速度较快，在某些条件下，中值滤波方法可以去除噪声，保护图像边缘，使图像较好地复原。它非常适用于一些线性滤波器无法胜任的数字图像处理的应用场合。 三、实验内容 中值滤波的基本原理 中值滤波的基本原理是把数字图像或数字序列中一点的值用该点邻域中各点值的中值替代。 例如：有一个序列为(2 ,3 ,4 ,5 ,6) ,这个序列的中值为4。 中值滤波器用于图像处理中是这样进行的:设置一个滤波窗口，将其移遍图像(序列)上的点，且用窗口内各原始值的中值代替窗口中心点的值。 利用Matlab实现数字图像中值滤波 应用Matlab 软件中图像处理工具箱的函数。 二维中值滤波器的函数格式如下: B = Medfilt2(A,[m n])； B = Medfilt2(A)。(缺省窗口大小为[3 3]) 函数：imnoise() 格式： J=imnoise(I,type,……) type: ‘gaussian’ Gauss白噪声 ‘salt pepper’ 椒盐噪声 ‘speckle’ 乘法噪声 图像中添加噪声 ‘gaussian’ Gauss白噪声参数设置: M、V：在图像中加入均值为M、方差为V的高斯白噪声。(缺省M=0,V=0.01) J=imnoise(I,’gaussian’,M,V) ‘salt pepper’ 椒盐噪声参数设置: D:在图像I中加入强度为D的“椒盐”黑白像素点. (缺省为0.05) J=imnoise(I,’gaussian’,D) ‘speckle’ 乘法噪声参数设置: J=imnoise(I,’ speckle’,V),使用公式J=I+n*I,向图像I中加入乘法噪声,其中n是均值为0,方差为V均匀分布的随机噪声.(V的缺省值为0.04) x=imread(‘dog.jpg,jpg); i=rgb2gray(x); subplot(2,2,1); subimage(i); j1=imnoise(i,gaussian,0,0.04); subplot(2,2,2); subimage(j1); j2=imnoise(i,salt pepper,0.04); subplot(2,2,3); subimage(j2); j3=imnoise(i,speckle,0.08); subplot(2,2,4); subimage(j3); a=imread(dog.jpg,jpg); i=rgb2gray(x); subplot(2,2,1); subimage(i); j=imnoise(i,salt pepper,0.04); subplot(2,2,2); subimage(j); c=medfilt2(j,[2 2]); subplot(2,2,3); subimage(c); d=medfilt2 (j ,[5 5]); subplot(2,2,4); subimage(d); 对加噪的图像进行二维中值滤波 2、灰度图像平滑、锐化滤波 锐化和平滑是图像增强的重要手段，采用前者可以突出图像的细节，采用后者可以滤除图像中的噪声，从而达到图像清晰的目的。 工具函数：fspecial(type) 格式：H=fspecial(type) type取值： ‘average’ 均值低通滤波 ‘gaussian’ 高斯低通滤波 ‘prewitt’ 边缘算子增强滤波 ‘sobel’ 边缘算子增强滤波 几种滤波的比较 I=double(imread(cameraman.tif)); subplot(2,2,1)