基于matlab的圖像去噪與邊緣檢測技術(參考版)
2025-06-30 17:48本頁面
【正文】 )。 %顯示結(jié)果title(39。 %對灰度圖像進行l(wèi)og算子分割figure(4)。log39。)。title(39。 %逆傅里葉變換figure(3)。 %傳遞函數(shù)與信號傅里葉變換函數(shù)相乘 endendresult=ifftshift(result)。 h=1/(1+*(d/d0)^(2*nn))。n=fix(N/2)。 %二階巴特沃斯低通濾波器d0=300。 %轉(zhuǎn)換數(shù)據(jù)矩陣[M,N]=size(F0)。 %轉(zhuǎn)換為雙精度F0=fft2(I1)。添加高斯噪聲的圖像39。imshow(I1)。,)。)I1 = imnoise(I,39。title(39。figure(1)。)。2：I = imread(39。7*7模板中值濾波后log算子分割結(jié)果39。imshow(I4)。)。I4=edge(k3,39。5*5模板中值濾波后log算子分割結(jié)果39。imshow(I3)。)。I3=edge(k2,39。3*3模板中值濾波后log算子分割結(jié)果39。imshow(I2)。)。I2=edge(k1,39。7*7模板中值濾波39。imshow(k3)。)。title(39。subplot(3,3,5)。3*3模板中值濾波39。imshow(k1)。 %進行5*5模板中值濾波k3=medfilt2(I1,[7,7])。)k1=medfilt2(I1)。title(39。subplot(3,3,3)。 pepper39。)I1 = imnoise(I,39。title(39。subplot(3,3,2)。原始圖像39。imshow(I)。)。通過本次試驗我們可以看到高斯濾波對于濾除圖像的“椒鹽”噪聲非常有效，它可以做到既去除噪聲又能保護圖像的邊緣，從而獲得較滿意的復原效果，尤其在濾除疊加白噪聲和長尾疊加噪聲方面顯出極好的性能參考文獻[1] 張志涌 精通MATLAB ：北京航天航空大學出版社, 2003(56) [2] 胡鵬,《福建電腦》，2009(12)[3] 李彥軍,《計算機工程與設計》，2009(12)[4] 孫宏琦，施維穎,《長安大學學報（自然科學版） 》，2003(2)[5] 周建興,MATLAB從入門到精通. 人民郵電出版社 2008(60)附錄：程序1：I = imread(39。,。,為圖像處理結(jié)果。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進行數(shù)字濾波處理）。圖像增強不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。該技術可以是整體的或局部的，也可以在某個頻域或者空間域中進行。如果打算直接觀察圖像，可以增強對比度。（4） 圖像增強和復原，用于改進圖像的質(zhì)量。（3） 邊界查索，用于檢測圖像中線狀局部結(jié)構(gòu)，通常是作為圖像分割的一個預處理步驟。一種方法是假設圖像各成分的強度值是均勻的并利用這種均勻性；另一種方法尋找圖像成分之間的邊界，因而是利用圖像的不均勻性。但其測量結(jié)果的質(zhì)量卻極大地依賴于圖像分割的質(zhì)量
環(huán)評公示相關推薦
鄂ICP備17016276號-1