【正文】 mage(i+3,j+1)。u(37)=image(i+3,j1)。 u(35)=image(i+2,j+4)。 u(33)=image(i+1,j+4)。 u(30)=image(i,j+3)u(31)=image(i,j+4)。u(28)=image(i1,j+3)。 u(26)=image(i2,j+3)。 u(24)=image(i+2,j+1)。u(22)=image(i+2,j1)。 u(20)=image(i+1,j+2)。 u(18)=image(i,j+2)。u(16)=image(i1,j+2)。 u(14)=image(i2,j+2)。 u(12)=image(i2,j)。u(10)=image(i2,j2)。 u(8)=image(i+1,j)。 u(6)=image(i,j1)。u(4)=image(i1,j)。 u(2)=image(i,j+1)。[M,N]=size(B)。)。subplot(2,3,4), imshow(K),t itle(39。 Pepper Noise39。subplot(2,3,3), imshow(J), title(39。gaussian39。,)。salt amp。)。subplot(2,3,2), imshow(B), title(39。subplot(2,3,1), imshow(I)。39。)。 subplot(2,3,6), imshow(d), title(39。end,end,end,image(i,j)=u(13)。 u(q)=u(q+1)。u(25)=image(i+2,j+2)。 u(23)=image(i+2,j)。 u(21)=image(i+2,j2)。u(19)=image(i+1,j2)。 u(17)=image(i,j2)。 u(15)=image(i1,j2)。u(13)=image(i2,j+1)。 u(11)=image(i2,j1)。 u(9)=image(i+1,j+1)。u(7)=image(i+1,j1)。 u(5)=image(i1,j1)。 u(3)=image(i1,j+1)。for i=5:M4, for j=5:N4, u(1)=image(i,j)。 image=double(K)。5*5椒鹽噪聲中值濾波圖像39。end,end,d=uint8(image)。 u(q+1)=k。for p=1:25, for q=1:25p, if u(q)u(q+1)k=u(q)。 u(24)=image(i+2,j+1)。u(22)=image(i+2,j1)。 u(20)=image(i+1,j+2)。 u(18)=image(i,j+2)。u(16)=image(i1,j+2)。 u(14)=image(i2,j+2)。 u(12)=image(i2,j)。u(10)=image(i2,j2)。 u(8)=image(i+1,j)。 u(6)=image(i,j1)。u(4)=image(i1,j)。 u(2)=image(i,j+1)。[M,N]=size(B)。)。subplot(2,3,4), imshow(K), title(39。 Pepper Noise39。subplot(2,3,3), imshow(J), title(39。gaussian39。,)。salt amp。)。subplot(2,3,2), imshow(B), title(39。subplot(2,3,1), imshow(I)。39。)。 subplot(2,3,6), imshow(d), title(39。end,end,end,image(i,j)=u(5)。 u(q)=u(q+1)。 u(9)=image(i+1,j+1)。u(7)=image(i+1,j1)。 u(5)=image(i1,j1)。 u(3)=image(i1,j+1)。for i=2:M1, for j=2:N1, u(1)=image(i,j)。 image=double(K)。3*3椒鹽噪聲中值濾波圖像39。end,end,d=uint8(image)。 u(q+1)=k。for p=1:9, for q=1:9p, if u(q)u(q+1)k=u(q)。 u(8)=image(i+1,j)。 u(6)=image(i,j1)。u(4)=image(i1,j)。 u(2)=image(i,j+1)。[M,N]=size(B)。)。subplot(2,3,4), imshow(K), title(39。 Pepper Noise39。subplot(2,3,3), imshow(J), title(39。gaussian39。,)。salt amp。)。subplot(2,3,2), imshow(B), title(39。subplot(2,3,1), imshow(I)。39。 中值濾波器去噪及MATLAB的實現(xiàn) 利用中值濾波器對有高斯噪聲和椒鹽噪聲的圖像去噪，通過對濾波器形狀（正方形、長方形、圓形、十字形）和尺寸的改變，得出濾波器的改變影響著圖像的濾波。維納濾波的理論主要是針對線性濾波的問題，它考慮的是最小均方差，這是最佳的過濾準則。圖像會在傳輸?shù)纫幌盗械倪^程中導(dǎo)致圖像質(zhì)量退化，圖像的視覺效果變差，因此，就需要對圖像進行圖像復(fù)原。維納濾波在二十世紀四十年代，諾伯特它實際上就是能夠使低頻信號順利的通過，并且可以阻止高頻信號的通過。低通濾波 低通濾波實際上是一種過濾的方式，低頻信號才可以通過，而高頻信號會被阻止通過，或者是被減弱。最大均勻性平滑濾波 使用濾波方法去除噪聲在某些情況下會引起圖像邊沿的退化，在這個時候，就需要使用最大均勻性平滑濾波的方法了，這種方法原理是，在圖像中找到每個像素點最均勻的地方，然后用灰度均值作為被處理的像素值。標(biāo)準差決定的是高斯濾波的平滑程度，并且輸出時像素的加權(quán)平均數(shù)，所與均值濾波相比，圖像質(zhì)量更好，平滑效果更加突出。另外,圖像鄰域平均法算法簡單,計算速度快,但它的主要缺點是在降低噪聲的同時使圖像產(chǎn)生模糊,特別在邊沿和細節(jié)處,鄰域越大,模糊越厲害。 圖像鄰域平均法的處理效果由鄰域半徑大小決定。均值濾波器是一種比較常見的濾波器，它常用于平滑噪聲處理。均值濾波的原理不同于中值濾波法，它是將圖像中的每個像素值用均值來代替。中值濾波法可以消除噪聲點，對圖像的某些模糊部分進行處理，使其變得清晰。 中值濾波法屬于是非線性的平滑濾波技術(shù)的一種。 中值濾波器是統(tǒng)計濾波器的一種，它是屬于非線性的空間濾波器，原理是將圖像像素值用中值代替，中值濾波器使用廣泛，因為它的去噪能力較強，并且處理脈沖噪聲的效果非常好。第3章 濾波器去噪及MATLAB的實現(xiàn) 圖像濾波及噪聲 圖像濾波的方式中值濾波 1971年，Turky提出了中值濾波，在這之后就被用于圖像處理中，并且在去除圖像噪聲中取得了成就。灰度圖像的數(shù)據(jù)類型可以使uint8，也可以是double類型。尺寸是nm的圖像，它的存儲是nm3的數(shù)據(jù)矩陣。索引色圖像的矩陣可以是double類型也可以是uint8類型。 索引圖像 索引圖像就是將不一樣的顏色對應(yīng)不一樣的序號，也就是說，一個是數(shù)據(jù)矩陣，一個是顏色矩陣，顏色矩陣每一行分別表示紅色、綠色和藍色的顏色值，通過雙精度數(shù)，形成特定顏色。MATLAB包含有15種圖像處理函數(shù)，這些函數(shù)按其功能可分為：圖像顯示、圖像文件I/O，幾何操作、像素和統(tǒng)計處理、圖像分析、圖像增強、二進制圖像制作、區(qū)域處理、顏色映像處理、顏色空間變換，圖像類型和類型轉(zhuǎn)換。不過，對于存儲圖像來說，一般使用的是無符號整型存儲方式。有些圖像，如RGB圖像，需要三維矩陣表示，每一維代表一種顏色，這樣一副200行300列的RGB圖像就需要用2003003的矩陣表示。在MATLAB中，圖像時按像素存儲的，即矩陣的每個元素代表一個像素。函數(shù)文件實際上定義的是函數(shù)，函數(shù)文件與是函數(shù)文件中的變量只在函數(shù)文件中起作用。函數(shù)文件一般包括function，這類文件就是函數(shù)文件。 想要訪問MATLAB工作區(qū)中的數(shù)據(jù)就需要利用命令文件中的語句在運行的過程中，變量都是全局的變量，并且一直會保存在內(nèi)存的空間中。M文件的語法與其他軟件的語法相似，并且MATLAB的語法比較簡單，函數(shù)功能齊全，所以，在編程時會大大加快編寫速度。MATLAB工具箱中的函數(shù)可以調(diào)用和更改，并且能夠滿足用戶對函數(shù)的二次開發(fā)，作為新的函數(shù)。（3）圖像功能強大，開放性強。MATLAB是比較直接，簡單的應(yīng)用軟件。MATLAB有強大的數(shù)值計算功能、數(shù)據(jù)分析和科學(xué)計算可視化功能、符號計算功能、非線性動態(tài)系統(tǒng)建模功能、仿真功能、靈程序接口功能，因此，MATLAB的功能很強大。MATLAB語言與其他的編程語言類似，編程時比較方便。MATLAB和Microsoft Word構(gòu)成了一個整體，為文字的處理提供了便捷，人們可以利用Word來編輯文字，也可以創(chuàng)建MATLAB記事本。在科學(xué)計算的過程中，往往會進行大量的數(shù)據(jù)分析和數(shù)值計算，MATLAB與其他軟件相比較擁有強大的數(shù)據(jù)分析功能，并且還可以將數(shù)據(jù)的分析以圖形的方式顯示出來，為數(shù)據(jù)的分析和計算提供了便利。MATLAB內(nèi)包含了所有常用的計算算法，各種復(fù)雜運算都可以快速獲得，實現(xiàn)了復(fù)雜的科學(xué)計算任務(wù)。 MATLAB軟件的特點及優(yōu)點 總的來說，MATLAB系統(tǒng)是由兩個部分組成的，MATLAB輔助工具箱和MATLAB的內(nèi)核，構(gòu)成了所有的功能。同時，工具箱內(nèi)的函數(shù)源程序也是開放的，多為M文件，用戶可以查看這些文件的代碼并進行更改。對于很復(fù)雜的問題，只需要寫短短的代碼就可以實現(xiàn)。自從20世紀80年代推出以來，MATLAB軟件經(jīng)歷了幾十年的競爭已改進，不斷學(xué)習(xí)吸納權(quán)威人士編寫的應(yīng)用程序，如今已經(jīng)被認為是世界上最優(yōu)秀的集成計算和開發(fā)軟件之一，是國內(nèi)外比較流行使用的一種計算應(yīng)用軟件。1993年Math ，在原來的版本的基礎(chǔ)上又做了一些改進，在那一年，推出了MATLAB的Windows版。20世紀70年代，美國博士Cleve Moler在講解課程時編寫了軟件，目的是想要省去大量的數(shù)學(xué)運算等復(fù)雜的編程工作。日常生活中用到的PS也是運用了數(shù)字圖像技術(shù)，動畫的制作設(shè)計、服裝設(shè)計以及電影特效和渲染也都是通過數(shù)字圖像處理技術(shù)實現(xiàn)的。圖像通信是比較復(fù)雜的一種，要將這類數(shù)據(jù)傳輸出去，就必須依賴數(shù)字圖像處理技術(shù)來壓縮信息。在公安方面，數(shù)字圖像處理技術(shù)應(yīng)用于指紋識別、人臉識別、對不完整圖片的分析與鑒別以及車輛和車牌的識別，大大的為公共安全事業(yè)提供了便利。軍事公安方面運用的數(shù)字圖像處理技術(shù)也相當(dāng)多，尤其是在軍事模擬訓(xùn)練中，應(yīng)用較為廣泛。不僅如此，數(shù)字圖像處理技術(shù)還能夠用于工業(yè)的監(jiān)測上，因為很多工業(yè)產(chǎn)品通過人工檢測，往往會因為眼睛的疲勞，導(dǎo)致可能漏檢，防止不良品流入下道工序，給產(chǎn)品質(zhì)量帶來隱患。它提高了工作效率，并且效果顯著。還有心電圖分析、X光等診斷方面也都得到是利用數(shù)字圖像處理來實現(xiàn)的。在醫(yī)學(xué)的領(lǐng)域中可以利用數(shù)字圖像處理技術(shù)達到安全方便的診斷和治療。它經(jīng)常被應(yīng)用在氣象監(jiān)測，農(nóng)作物生長及所含水分監(jiān)測、地質(zhì)結(jié)構(gòu)分析，水源和環(huán)境污染分析等方面，應(yīng)用相當(dāng)廣泛。在遙感方面也得到了應(yīng)用。目前，圖像處理技術(shù)在航空航天，生物醫(yī)學(xué)工程，工業(yè)方面等都得到了廣泛應(yīng)用，成為了前景較好的新型學(xué)科。因為圖像處理是通過程序來進行處理的，因此，不一樣的處理程序，就會達到不一樣的目的。因此，所有的圖像只要采取與圖片相適應(yīng)的方法，就可以利用圖像處理來完成。3．適用面較寬，靈活性比較高數(shù)字圖像處理的適用面很寬，圖像可以使可見光圖像，也能夠是不可見的圖像。2．容易控制處理的效果在圖像處理中，它能夠隨意的設(shè)定或者改變參數(shù)，這樣的做法就可以高效的控制處理的過程，用以達到預(yù)計效果。 數(shù)字圖像處理的優(yōu)點 ，處理精度較高 數(shù)字圖像處理對同一個圖像運用相同的方法處理很多次，可以獲得完全相同的結(jié)果，具備了良好的再現(xiàn)性。所以，圖像質(zhì)量的評價還需要進一步的研究。 人們觀察和評價的一般是數(shù)字圖像處理后的圖像，所以人的因素影響是很大的。所以，圖像處理中信息壓縮的是具有較大潛力，比較重要的。 數(shù)字圖像中的每個像素都不是獨立的，它的相關(guān)性是比較大的。 數(shù)字圖像處理需要占用的頻帶是很寬的。例如一幅256256低分辨率的黑白圖像，所要求的大約是64kbit的數(shù)據(jù)量；假如需要處理30幀/秒的電視圖像序列，那么每秒所要求的應(yīng)該是500kbit～。，尤其是離散數(shù)學(xué)理論的發(fā)展和完善，為數(shù)字圖像處理打下了最堅實的理論基礎(chǔ)。而如今，隨著計算機的硬件發(fā)展以及數(shù)字化技術(shù)的進步，他的性能大幅的提高。數(shù)字圖像處理的產(chǎn)生和快速的發(fā)展主要有三反面的原因影響： 。這些特殊特征包含很多方面，例如頻域特性、邊界特征等。達到真實的、或者清晰的想象不到的藝術(shù)效果。 數(shù)字圖像處理的目的及意義一般來講，對圖像進行處理（或加工、分析）的主要目的有三個方面： ，用來達到賞心悅目的目的。（4）離散小波變換離散小波變換是對連續(xù)小波變換的尺度和位移按照2的冪此進行離散化得到的，又稱二進制小波變換。它是通過平行波束的投影來重新構(gòu)建圖像的。例如， f ( x, y)在垂直方向上的線積分是 f ( x, y)在 x 方向上的投影，在水平方向上的積分是在 y 方向上的投影。JPEG算法中，誰都先要將圖像分文8*8或者16*16的像素塊，然后對像素塊進行二維離散余弦變換，8*8的像素塊會產(chǎn)生64個二維離散余弦變換系數(shù)，然后對二維離散余弦變換系數(shù)