燕山大学图像处理课后作业之超限像素平滑法和k个邻点平均法.docVIP

一、超限像素平滑法 I=imread(m3.png); I=rgb2gray(I); subplot(2,2,1),imshow(I); [m,n]=size(I); l=3;%模版尺寸 L=ones(l);%l*l模版 S=ones(m-l+1,n-l+1); for i=1:m-l+1 for j=1:n-l+1 S(i,j)=1/(l*l)*sum(sum(I(i:i+l-1,j:j+l-1)));%求平均 end end subplot(2,2,2),imshow(S,[]); P=imnoise(I,salt pepper,0.05);%加入椒盐躁声 subplot(2,2,3),imshow(P); T=30;%设置阈值 A=P; for i=1:m-2 for j=1:n-2 if (abs(P(i,j)-S(i,j))T) A(i,j)=P(i,j); else A(i,j)=S(i,j); end end end subplot(2,2,4),imshow(A); 思路：获取原始图像的灰度图与大小(m,n)，假设一个方阵模版和(m-1,n-1)的矩阵，将方阵在图像上移动，每移动一次进行一次方阵大小范围内的平均值运算，得到由平均值组成的矩阵S，引入椒盐噪声函数，设定滤波阈值T，当灰度值与平均值的差大于阈值时，该点像素值保持不变，否则，取平均值。 程序结果： 体会：模版方阵在图像上移动，实质上是卷积运算，如何让模版方阵在图像移动，for语句的循环条件就需要计算准确。后面的滤波使用选择语句即可。 二、灰度最相近的K个邻点平均法 I=imread(m3.png); I=rgb2gray(I); I=im2double(I); [m,n]=size(I); for i=2:m-1 for j=2:n-1 I1=I(i-1,j-1)-I(i,j);%求邻域内的值与中心值的差值 I2=I(i-1,j)-I(i,j); I3=I(i-1,j+1)-I(i,j); I4=I(i,j-1)-I(i,j); I5=I(i,j)-I(i,j); I6=I(i,j+1)-I(i,j); I7=I(i+1,j-1)-I(i,j); I8=I(i+1,j)-I(i,j); I9=I(i+1,j+1)-I(i,j); G=[I1,I2,I3,I4,I5,I6,I7,I8,I9]; %将差值保存在数组里 A=abs(G); %取绝对值 H=[1,2,3,4,5,6,7,8,9;A]; for s=1:9%使用for循环进行排序 for g=s+1:9 if H(2,s)H(2,g) MID=H(1,s); H(1,s)=H(1,g); H(1,g)=MID; mid=H(2,s); H(2,s)=H(2,g); H(2,g)=mid; end end end K(1)=A(H(1,1)); K(2)=A(H(1,2)); K(3)=A(H(1,3)); K(4)=A(H(1,4)); K(5)=A(H(1,5)); K(6)=A(H(1,6)); K(7)=A(H(1,7)); ave=(K(1)+K(2)+K(3)+K(4)+K(5)+K(6)+K(7))/7; %排序后的结果存入K中，取差值的前七个求平均值 X(i,j)=ave; end end E=im2uint8(X); subplot(1,2,1),imshow(I); subplot(1,2,2),imshow(E); 效果图： 体会：程序的关键在于，取邻域和排序，排序之后，差值有九个，取K值，较小的K值使噪声方差下降较小，但保持细节效果较好；而较大的K值平滑噪声较好，但会使图像边缘模糊。