matLab 自编的 均值滤波、中值滤波、高斯滤波 图像处理函数.docVIP

matLab 自编的 均值滤波、中值滤波、高斯滤波 图像处理函数（转） 虽然matlab里面有这些函数，但是要求自己编写，计算机视觉上有这个实验，是别人编写的。别人到网上找了半天才零散的找到一些碎片，整理以后发上来的！ MatLab自编的均值滤波、中值滤波、高斯滤波 图像处理函数。 %自编的均值滤波函数。x是需要滤波的图像,n是模板大小(即n×n) function d=avefilt(x,n) a(1:n,1:n)=1; %a即n×n模板,元素全是1 p=size(x); %输入图像是p×q的,且pn,qn x1=double(x); x2=x1; %A(a:b,c:d)表示A矩阵的第a到b行,第c到d列的所有元素 for i=1:p(1)-n+1 for j=1:p(2)-n+1 c=x1(i:i+(n-1),j:j+(n-1)).*a; %取出x1中从(i,j)开始的n行n列元素与模板相乘 s=sum(sum(c)); %求c矩阵(即模板)中各元素之和 x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n); %将模板各元素的均值赋给模板中心位置的元素 end end %未被赋值的元素取原值 d=uint8(x2); %自编的中值滤波函数。x是需要滤波的图像,n是模板大小(即n×n) function d=midfilt(x,n) p=size(x); %输入图像是p×q的,且pn,qn x1=double(x); x2=x1; for i=1:p(1)-n+1 for j=1:p(2)-n+1 c=x1(i:i+(n-1),j:j+(n-1)); %取出x1中从(i,j)开始的n行n列元素,即模板(n×n的) e=c(1,:); %是c矩阵的第一行 for u=2:n e=[e,c(u,:)]; %将c矩阵变为一个行矩阵 end mm=median(e); %mm是中值 x2(i+(n-1)/2,j+(n-1)/2)=mm; %将模板各元素的中值赋给模板中心位置的元素 end end %未被赋值的元素取原值 d=uint8(x2); %自编的高斯滤波函数，S是需要滤波的图象，n是均值，k是方差 function d=gaussfilt(k,n,s) Img = double(s); n1=floor((n+1)/2);%计算图象中心 for i=1:n for j=1:n b(i,j) =exp(-((i-n1)^2+(j-n1)^2)/(4*k))/(4*pi*k); end end %生成高斯序列b。 Img1=conv2(Img,b,same); %用生成的高斯序列卷积运算，进行高斯滤波 d=uint8(Img1); %此为程序主文件，包含主要功能单元，以及对子函数进行调用 try %实验步骤一：彩色、灰度变换 h=imread(photo.jpg); %读入彩色图片 c=rgb2gray(h); %把彩色图片转化成灰度图片，256级 figure,imshow(c),title(原始图象); %显示原始图象 g=imnoise(c,gaussian,0.1,0.002); %加入高斯噪声 figure,imshow(g),title(加入高斯噪声之后的图象); %显示加入高斯噪声之后的图象 %实验步骤二：用系统预定义滤波器进行均值滤波 n=input(请输入均值滤波器模板大小\n); A=fspecial(average,n); %生成系统预定义的3X3滤波器 Y=filter2(A,g)/255; %用生成的滤波器进行滤波,并归一化 figure,imshow(Y),title(用系统函数进行均值滤波后的结果); %显示滤波后的图象 %实验步骤三:用自己的编写的函数进行均值滤波 Y2=avefilt(g,n); %调用自编函数进行均值滤波，n为模板大小 figure,imshow(Y2),title(用自己的编写的函数进行均值滤波之后的结果); %显示滤波后的图象 %实验步骤四:用Matlab系统函数进行中值滤波 n2=input(请输入中值滤波的模板的大小\n); Y3=medfilt2(g,[n2 n2]); %调用系统函数进行中值滤波，n2为模板大小 figure,imshow(Y3),title(用Matlab系统函数进