基于matlab的圖像平滑算法實現(xiàn)及應用-wenkub.com
2025-06-24 17:59 本頁面
【正文】 本文結合不同的噪聲類型，分析討論了均值濾波、中值濾波和頻域低通濾波3種平滑濾波技術在去幾種典型噪聲方面性能的優(yōu)劣和視覺效果的對比，對在圖像平滑處理方面提供了一定的參考。使得圖像在輪廓上顯得更清晰。title(39。title(39。title(39。title(39。J3=imfilter(I3,h,39。)。replicate39。I3=imnoise(I,39。I2=imnoise(I,39。I=rgb2gray(RGB)。figure,freqz2(h,[64,64])。Hd=zeros(25,25)。 頻域低通濾波法 頻域低通濾波處理噪聲圖像的方法如下:首先構建二維濾波器d。運行結果如下： 圖34 受到高斯、椒鹽及乘法噪聲污染的圖像經(jīng)不同模版的中值濾波后的圖像由圖34可知，此方法能夠非常好地將椒鹽噪聲去除掉，可見中值濾波方法對于椒鹽噪聲或脈沖式干擾具有很強的濾除作用，但對于高斯和乘性噪聲效果不佳。subplot(122),imshow(J6)。figure,subplot(121),imshow(J5)。subplot(122),imshow(J4)。figure,subplot(121),imshow(J3)。subplot(122),imshow(J2)。figure,subplot(121),imshow(J1)。J3=medfilt2(I3,[3,3])。speckle39。salt amp。I1=imnoise(I,39。,...)其功能為：對索引圖像A進行中值濾波； 可運行以下程序實現(xiàn)：RGB=imread(39。此時，消除噪聲的效果將增強，但同時所得到的圖像將變得更模糊，圖像細節(jié)的銳化程度逐步減弱。乘法污染圖像濾波后39。椒鹽污染圖像濾波后39。高斯污染圖像濾波后39。原圖像濾波后39。J2=imfilter(I2,H2)。)。 pepper39。gaussian39。h:\39。subplot(222),imshow(J1)。 %領域平均J1=imfilter(I1,H1)。speckle39。salt amp。I1=imnoise(I,39。1 1 1]；H2=1/25[1 1 1 1 1；1 1 1 1 1；1 1 1 1 1；1 1 1 1 1；1 1 1 1 1]；分別以這兩個平均值濾波算子對圖31中的四幅圖像進行濾波操作。乘性噪聲污染的圖像39。椒鹽噪聲污染的圖像39。高斯噪聲污染的圖像39。原圖像39。speckle39。salt amp。 %讀取圖像I1=imnoise(I,39。I=imshow（A)其功能是顯示圖像A。其語法：J=imnoise(I,type)J=imnoise(I,type,parameters)其功能是：返回對原圖像I添加典型噪聲的圖像J,參數(shù)type和parameters用于確定噪聲的類型和相應的參數(shù)。(4) 梯形濾波器（TLPF)梯形濾波器的傳遞函數(shù)介于理想低通濾波器和具有平滑過渡帶的低通濾波器之間，它的傳遞函數(shù)為： 式中：D0為梯形低通濾波器截止頻率，D0、D1須滿足D0D1，它的性能介于ILPF和BLPF之間，對圖像有一定的模糊和振鈴效應。低通濾波平滑圖像的系統(tǒng)框圖如下所示：圖31 圖像頻域低通濾波流程框圖低通濾波法又分為以下幾種：(1) 理想低通濾波器(ILPF)一個理想的低通濾波器的傳遞函數(shù)由下式表示： 式中D0是一個規(guī)定的非負的量，它叫做理想低通濾波器的截止頻率。 頻域低通濾波在分析圖像信號的頻率特性時，對于一副圖像，直流分量表示了圖像的平均灰度，大面積的背景區(qū)域和緩變部分是低頻分量，其邊緣、細節(jié)、跳躍部分以及顆粒噪聲都代表圖像的高頻分量。其基本原理是改變窗口中變量的個數(shù)，可以使一個以上的變量等于同一點的值，然后對擴張后的數(shù)字集求中值。二維中值濾波可以用下式表示： 式中：A為濾波窗口； 為二維數(shù)據(jù)序列。諧波均值濾波器對“鹽”噪聲效果更好，但是不適用于“胡椒”噪聲。為了盡可能地減少模糊失真，也可采用閾值法減少由于領域平均而產(chǎn)生的模糊效應。鄰域平均法是空間域平滑技術。 運行結果如下：圖1噪聲污染的圖像第2章 、圖像平滑方法 空域低通濾波 將空間域模板用于圖像處理，通常稱為空間濾波，而空間域模板稱為空間濾波器。 %加乘性噪聲subplot(221),imshow
高考資料相關推薦
鄂ICP備17016276號-1