【導(dǎo)讀】濾波器在圖像處理中應(yīng)用的比較多，它對圖像去噪處理有很好的效果。討論的是濾波器的形狀和尺寸會不會對圖像濾波器造成影響。理后的圖像的不同之處。對比后發(fā)現(xiàn)圖像去噪的效果以及圖片質(zhì)量都會隨著中值濾波。在實際的日常生活中，人們要接觸很多的圖像，畫面。因此我們可以采取一些技術(shù)手段來盡量減少甚至于消除圖像質(zhì)量的下降，點噪音引起的，椒鹽噪音引起的等等。方法從退化的圖像去推測原圖像的估計問題。維納根據(jù)最小均方準(zhǔn)則（即濾波器的輸出信號與需要信。號的均方值最?。?，求得了最佳線性濾波器的參數(shù)，這種濾波器被稱為維納濾波器。在圖像恢復(fù)和處理中被廣泛使用。計算機(jī)對圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理的方法和技術(shù)。擬類的圖像數(shù)字化后并且使它生成數(shù)字圖像就需要使用數(shù)字化的一些設(shè)備。模擬類的圖像通過掃描儀進(jìn)行的逆光數(shù)字化或者是由數(shù)碼相機(jī)直接。最早的圖像處理是改變圖像的質(zhì)量，它以人為對象，來改變?nèi)说囊曈X效果。

　　

【正文】 1)=image(i,j)。 u(2)=image(i,j+1)。 u(3)=image(i1,j+1)。 u(4)=image(i1,j)。 u(5)=image(i1,j1)。 u(6)=image(i,j1)。 u(7)=image(i+1,j1)。 u(8)=image(i+1,j)。 u(9)=image(i+1,j+1)。 u(10)=image(i2,j2)。 u(11)=image(i2,j1)。 u(12)=image(i2,j)。 u(13)=image(i2,j+1)。 u(14)=image(i2,j+2)。 u(15)=image(i1,j2)。 u(16)=image(i1,j+2)。 u(17)=image(i,j2)。 u(18)=image(i,j+2)。 u(19)=image(i+1,j2)。 u(20)=image(i+1,j+2)。 u(21)=image(i+2,j2)。 u(22)=image(i+2,j1)。 u(23)=image(i+2,j)。 u(24)=image(i+2,j+1)。 u(25)=image(i+2,j+2)。 u(26)=image(i2,j+3)。 u(27)=image(i2,j+4)。 u(28)=image(i1,j+3)。 u(29)=image(i1,j+4)。 u(30)=image(i,j+3) u(31)=image(i,j+4)。 u(32)=image(i+1,j+3)。 u(33)=image(i+1,j+4)。 u(34)=image(i+2,j+3)。 u(35)=image(i+2,j+4)。 u(36)=image(i+3,j2)。 u(37)=image(i+3,j1)。 u(38)=image(i+3,j)。 u(39)=image(i+3,j+1)。 u(40)=image(i+3,j+2)。 u(41)=image(i+3,j+3)。 u(42)=image(i+3,j+4)。 u(43)=image(i+4,j2)。 u(44)=image(i+4,j1)。 u(45)=image(i+4,j)。 u(46)=image(i+4,j+1)。 u(47)=image(i+4,j+2)。 u(48)=image(i+4,j+3)。 內(nèi)蒙古工業(yè)大學(xué)本科畢業(yè)論文 22 u(49)=image(i+4,j+4)。 u(50)=image(i2,j3)。 u(51)=image(i1,j3)。 u(52)=image(i,j3)。 u(53)=image(i+1,j3)。 u(54)=image(i+2,j3)。 u(55)=image(i+3,j3)。u(56)=image(i+4,j3)。u(57)=image(i2,j4)。 u(58)=image(i1,j4)。u(59)=image(i,j4)。u(60)=image(i+1,j4)。 u(61)=image(i+2,j4)。u(62)=image(i+3,j4)。u(63)=image(i+4,j4)。 u(64)=image(i3,j2)。 u(65)=image(i3,j1)。 u(66)=image(i3,j)。 u(67)=image(i3,j+1)。 u(68)=image(i3,j+2)。 u(69)=image(i3,j+3)。 u(70)=image(i3,j+4)。 u(71)=image(i3,j3)。 u(72)=image(i3,j4)。 u(73)=image(i4,j2)。 u(74)=image(i4,j1)。 u(75)=image(i4,j)。 u(76)=image(i4,j+1)。 u(77)=image(i4,j+2)。 u(78)=image(i4,j+3)。 u(79)=image(i4,j+4)。 u(80)=image(i4,i3)。 u(81)=image(i4,j4)。 for p=1:81, for q=1:81p, if u(q)u(q+1) k=u(q)。 u(q)=u(q+1)。 u(q+1)=k。 end, end, end, image(i,j)=u(40)。 end, end, d=uint8(image)。 subplot(2,3,6), imshow(d), title(39。9*9高 斯噪聲中值濾波圖像 39。)。 正方形 9*9中值濾波器對椒鹽噪聲和高斯噪聲去噪 圖 34 內(nèi)蒙古工業(yè)大學(xué)本科畢業(yè)論文 23 長方形中值濾波器去噪 （ 1）長方形 3*5中值濾波器去噪程序 I=imread(39。39。)。 subplot(2,3,1), imshow(I)。 B=rgb2gray(I)。 subplot(2,3,2), imshow(B), title(39。Original Image39。)。 J = imnoise(B,39。salt amp。 pepper39。,)。 %noise density= K= imnoise(B,39。gaussian39。,)。 subplot(2,3,3), imshow(J), title(39。Salt amp。 Pepper Noise39。)。 subplot(2,3,4), imshow(K), title(39。Gaussian Noise39。)。 image=double(J)。 [M,N]=size(B)。 for i=5:M4, for j=5:N4, u(1)=image(i,j)。 u(2)=image(i,j+1)。 u(3)=image(i1,j+1)。 u(4)=image(i1,j)。 u(5)=image(i1,j1)。 u(6)=image(i,j1)。 u(7)=image(i+1,j1)。 u(8)=image(i+1,j)。 u(9)=image(i+1,j+1)。 u(10)=image(i1,j2)。 u(11)=image(i,j2)。 u(12)=image(i+1,j2)。 u(13)=image(i1,j+2)。 u(14)=image(i,j+2)。 u(15)=image(i+1,j+2)。 for p=1:15, for q=1:15p, if u(q)u(q+1) k=u(q)。 u(q)=u(q+1)。 u(q+1)=k。 end, end, end, image(i,j)=u(8)。 end, end, d=uint8(image)。 subplot(2,3,5), imshow(d), title(39。3*5椒鹽噪聲中值濾波圖像 39。)。 image=double(K)。 [M,N]=size(B)。 for i=5:M4, for j=5:N4, u(1)=image(i,j)。 u(2)=image(i,j+1)。 u(3)=image(i1,j+1)。 u(4)=image(i1,j)。 u(5)=image(i1,j1)。 u(6)=image(i,j1)。 u(7)=image(i+1,j1)。 u(8)=image(i+1,j)。 u(9)=image(i+1,j+1)。 u(10)=image(i1,j2)。 u(11)=image(i,j2)。 u(12)=image(i+1,j2)。 u(13)=image(i1,j+2)。 u(14)=image(i,j+2)。 u(15)=image(i+1,j+2)。 for p=1:15, for q=1:15p, if u(q)u(q+1) 內(nèi)蒙古工業(yè)大學(xué)本科畢業(yè)論文 24 k=u(q)。 u(q)=u(q+1)。 u(q+1)=k。 end, end, end, image(i,j)=u(8)。 end, end, d=uint8(image)。 subplot(2,3,6), imshow(d), title(39。3*5高斯噪聲 中值濾波圖像 39。)。 圖 35 長方形 3*5中值濾波器對椒鹽噪聲和高斯噪聲的去噪 （ 2）長方形 5*7中值濾波器去噪程序 I=imread(39。39。)。 subplot(2,3,1), imshow(I)。 B=rgb2gray(I)。 subplot(2,3,2), imshow(B), title(39。Original Image39。)。 J = imnoise(B,39。salt amp。 pepper39。,)。 %noise density= K= imnoise(B,39。gaussian39。,)。 subplot(2,3,3), imshow(J), title(39。Salt amp。 Pepper Noise39。)。 subplot(2,3,4), imshow(K), title(39。Gaussian Noise39。)。 image=double(J)。 [M,N]=size(B)。 for i=5:M4, for j=5:N4, u(1)=image(i,j)。 u(2)=image(i,j+1)。 u(3)=image(i1,j+1)。 u(4)=image(i1,j)。 u(5)=image(i1,j1)。 u(6)=image(i,j1)。 u(7)=image(i+1,j1)。 u(8)=image(i+1,j)。 u(9)=image(i+1,j+1)。 u(10)=image(i1,j2)。 u(11)=image(i,j2)。 u(12)=image(i+1,j2)。 u(13)=image(i1,j+2)。 u(14)=image(i,j+2)。 u(15)=image(i+1,j+2)。 u(16)=image(i2,j2)。 u(17)=image(i2,j1)。 u(18)=image(i2,j)。 內(nèi)蒙古工業(yè)大學(xué)本科畢業(yè)論文 25 u(19)=image(i2,j+1)。 u(20)=image(i2,j+2)。 u(21)=image(i2,j+3)。 u(22)=image(i2,j+4)。 u(23)=image(i1,j+3)。 u(24)=image(i1,j+4)。 u(25)=image(i,j+3)。 u(26)=image(i,j+4)。 u(27)=image(i+1,j+3)。 u(28)=image(i+1,j+4)。 u(29)=image(i+2,j2)； u(30)=image(i+2,j1)。 u(31)=image(i+2,j)。 u(32)=image(i+2,j+1)。 u(33)=image(i+2,j+2)。 u(34)=image(i+2,j+3)。 u(35)=image(i+2,j+4)。 for p=1:35, for q=1:35p, if u(q)u(q+1) k=u(q)。 u(q)=u(q+1)。 u(q+1)=k。 end, end, end, image(i,j)=u(18)。 end, end, d=uint8(image)。 subplot(2,3,5), imshow(d), title(39。5*7椒鹽噪聲中值濾波圖像 39。)。 image=double(K)。 [M,N]=size(B)。 for i=5:M4, for j=5:N4, u(1)=image(i,j)。 u(2)=image(i,j+1)。 u(3)=image(i1,j+1)。 u(4)=image(i1,j)。 u(5)=image(i1,j1)。 u(6)=image(i,j1)。 u(7)=image(i+1,j1)。 u(8)=image(i+1,j)。 u(9)=image(i+1,j+1)。 u(10)=image(i1,j2)。 u(11)=image(i,j2)。 u(12)=image(i+1,j2)。 u(13)=image(i1,j+2)。 u(14)=image(i,j+2)。 u(15)=image(i+1,j+2)。 u(16)=image(i2,j2)。 u(17)=image(i2,j1)。 u(18)=image(i2,j)。 u(19)=image(i2,j+1)。 u(20)=image(i2,j+2)。 u(21)=image(i2,j+3)。 u(22)=image(i2,j+4)。 u(23)=image(i1,j+3)。 u(24)=image(i1,j+4)。 u(25)=image(i,j+3)。 u(26)=image(i,j+4)。 u(27)=image(i+1,j+3)。 u(28)=image(i+1,j+4)。 u(29)=image(i+2,j2)； u(30)=image(i+2,j1)。 u(31)=image(i+2,j)。 u(32)=image(i+2,j+1)。 u(33)=image(i+2,j+2)。 u