图像处理实验空域滤波增强

实验名称 实验四 空域滤波的增强 实验日期 得分 指导教师 徐旦华 院 计算机与软件学院 专业 计算机科学与技术 年级 2012 班次 3 姓名 宗仰 学号 20121308097

1. 实验目的

1. 了解空域滤波增强的Matlab实现方法； 2. 掌握噪声模拟和图像滤波函数的使用方法；

3. 能够将给定图像+噪声，使用均值滤波器、中值滤波器对不同强度的高斯噪声和椒

盐噪声，进行滤波处理；

4. 能够正确地评价处理的结果；并从理论上作出合理的解释。

2. 实验内容 1. 噪声模拟

利用函数imnoise给图像‘eight.tif’分别添加高斯(gaussian)噪声和椒盐(salt & pepper)噪声。

I=imread('33.jpg');

suptitle('20121308097');

subplot(2,3,1),imshow(I),title('原图 20121308097'); I1=imnoise(I,'gaussian',0,0.01);

subplot(2,3,2),imshow(I1),title('高斯1 均值0 方差0.01'); I2=imnoise(I,'gaussian',0,0.02);

subplot(2,3,3),imshow(I1),title('高斯2 均值0 方差0.04'); I3=imnoise(I,'gaussian',0.01,0.01);

subplot(2,3,4),imshow(I1),title('高斯3 均值1 方差0.01'); I4=imnoise(I,'salt & pepper');

subplot(2,3,5),imshow(I2),title('椒盐 20121308097');

2.均值滤波和中值滤波

A) 均值滤波

在matlab环境中，程序首先读取图像，然后调用图像增强（均值滤波）函数，设置相关参数，再输出处理后的图像。

I = imread('cameraman.tif'); suptitle('20121308097');

subplot(2,3,1),imshow(I),title('原图 20121308097'); J=filter2(fspecial('average',3),I)/255; subplot(2,3,2),imshow(J),title('3*3均值滤波'); J1=filter2(fspecial('average',5),I)/255; subplot(2,3,3),imshow(J1),title('5*5均值滤波'); J2=filter2(fspecial('average',7),I)/255; subplot(2,3,4),imshow(J2),title('7*7均值滤波');

B) 中值滤波

在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。

I = imread('cameraman.tif'); suptitle('20121308097');

subplot(2,3,1),imshow(I),title('原图 20121308097'); J=medfilt2(I,[3,3]);

subplot(2,3,2),imshow(J),title('3*3中值滤波'); J1=medfilt2(I,[5,5]);

subplot(2,3,3),imshow(J1),title('5*5中值滤波'); J2=medfilt2(I,[7,7]);

subplot(2,3,4),imshow(J2),title('7*7中值滤波');

3.空域滤波

C) 对上述噪声图像进行均值滤波和中值滤波，比较滤波效果。 I=imread('cameraman.tif');

J = imnoise(I,'gauss',0.02); %添加高斯噪声 J1 = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声

K = filter2(fspecial('average',3),J)/255; %均值滤波 3 ×3 L = filter2(fspecial('average',5),J)/255; %均值滤波 5 ×5 M = medfilt2(J,[3 3]); %中值滤波3 ×3 模板 N = medfilt2(J,[4 4]); % 中值滤波4 ×4 模板 suptitle('20121308097');

subplot(3,3,1),imshow(I),title('原图'); subplot(3,3,2),imshow(J),title('高斯噪声'); subplot(3,3,3),imshow(J1),title('椒盐噪声');

subplot(3,3,4),imshow(K),title('均值滤波 3 ×3'); subplot(3,3,5),imshow(L),title('均值滤波 5 ×5');

subplot(3,3,6),imshow(M),title('中值滤波3 ×3 模板'); subplot(3,3,7),imshow(N),title('中值滤波4 ×4 模板');

A) 总结均值滤波和中值滤波的特点及使用场合。

均值滤波器是一种最常用的线性低通平滑滤波器。可抑制图像中的噪声,但同时也使图像变得模糊

中值滤波器是一种最常用的非线性平滑滤波器。可消除图像中孤立的噪声点,又可产生较少的模糊

B) *对图像采用'laplacian'高通滤波器进行锐化滤波。

I=imread('tire.tif'); suptitle('锐化滤波'),

h=fspecial('laplacian',0.1); I2=filter2(h,I);

k=fspecial('laplacian',0.3); I3=filter2(k,I);

m=fspecial('laplacian',0.4); I4=filter2(m,I);

subplot(2,2,1),imshow(I), title('原图')

subplot(2,2,2),imshow(I2), title('拉普拉斯算子0.1') subplot(2,2,3),imshow(I3), title('拉普拉斯算子0.3') subplot(2,2,4),imshow(I4), title('拉普拉斯算子0.4')

3.实验要求

1. 2. 3.

读入一幅灰度图像。

对原始图片添加噪声（随机噪声和椒盐噪声）（ imnoise函数）。

利用均值滤波算法（取模板分别为3×3,5×5）去除噪声（自己编写一段代码实现此功能），显示去噪前后的图像。 4. 利用中值滤波算法对图像去除噪声（自己编写一段代码实现此功能），显示去噪前

后的图像。

均值滤波的主要步骤为：

（1） 将模板在途中漫游，并将模板中心与途中某个象素位置重合； （2） 将模板上系数与模板下对应象素相乘； （3） 将所有乘积相加；

（4） 将和（模板的输出响应）赋给途中对应模板中心位置的象素。 中值滤波的主要步骤为：

（1）将模板在途中漫游，并将模板中心与途中某个象素位置重合； （2）读取模板下各对应象素的灰度值； （3）将这些灰度值从小到大排成1列； （4）找出这些值里排在中间的1个；

（5）将这个中间值赋给对应模板中心位置的象素。

c=imread('1.jpg');%读入彩色图片 suptitle('20121308097')

subplot(2,3,1),imshow(c),title('原图');%显示原始图象 g=imnoise(c,'salt & pepper',0.03);%加入高斯噪声

subplot(2,3,2),imshow(g),title('加入椒盐噪声之后的图象'); Y2=avefilt(g,3);%调用自编函数进行均值滤波，n为模板大小 Y3=avefilt(g,5);%调用自编函数进行均值滤波，n为模板大小 subplot(2,3,3),imshow(Y2),title('3*3均值滤波'); subplot(2,3,4),imshow(Y3),title('5*5均值滤波'); Y4=midfilt(g,3);%调用自己编写的函数进行中值滤波， subplot(2,3,5),imshow(Y4),title('中值滤波后'); %自己编写的脚本代码 均值滤波 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);%输入图是p×q的,且p>n,q>n 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); %中值滤波

%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)

[height,width]=size(x); %输入图像是p×q的,且p>n,q>n x1=double(x); x2=x1;

for i=1:height-n+1 for j=1:width-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);

4、思考题

1. 简述高斯噪声和椒盐噪声的特点。

高斯噪声特定是它主要由阻性元器件内部产生，它的概率密度函数服从高斯分布（即正态分布）。椒盐噪声特别：主要由图像切割引起的黑图像上的白色噪声或光电转换过程中产生的泊松噪声等，其噪声的灰度值与领域像素点具有明显不同，在图像中造成讨亮或讨暗的像素点，严重影响图像质量。 2. 结合实验内容，定性评价均值滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效

果？

使用均值滤波器对高斯噪声进行去噪效果比较好，虽然对椒盐也有效果，但是不如对搞死噪声的处理效果好。中值滤波器对于去除椒盐噪声效果好，而对高斯噪声不是很理想。中值滤波器对于去除椒盐噪声效果明显。 3. 结合实验内容，定性评价滤波窗口对去噪效果的影响？

1、线性滤波：对一些图像进行线性滤波可以去除图像中某些类型的噪声可以去除图像中某些类型的噪声，如采用邻域平均法的均值滤波器就非常适应于去除通过扫描得到的图像中的颗粒噪声。

2、中值滤波：其实一种典型的低通滤波器，主要目的是保护图像边缘，同时也能去除噪声。

3、自适应滤波：其能根据图像的局部方差来调整滤波器的输出，其滤波效果要优于线性滤波，同时可以更好的保存图像的边缘和高频细节信息。 4. 图像亮（灰）度变换与空间滤波有什么不同? 灰度变换是单个像素点，滤波器是一个模板内的领域，像素数值会影响。也就是说，数 算在灰度变换上只是单个像素点的数值变化，比如3*3的均值滤波模板内的像素值都会对中心点的像素值产生影响。