1. 均值濾波

先創(chuàng)建一個(gè) medfilter.m 文件，代碼如下：

function [output] = meansfilter(input, radius)

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% input: 噪聲圖像

% r: 圖像塊半徑

%

% Auther: Gao Zheng jie

% Email: 3170601003@cuit.edu.cn

% Date: 2017-12-19

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

[m n] = size(input); % 獲取圖像的行列維度，并分別賦給m和n

Output = zeros(m, n); % 定義m*n的零矩陣，用來(lái)存放去噪結(jié)果圖像

input_pad = padarray(input, [radius radius], 'symmetric'); %邊界延拓，使得位于圖像邊緣的像素點(diǎn)也能形成圖像塊。

% symmetric 對(duì)邊界區(qū)域進(jìn)行對(duì)稱(chēng)性重復(fù)(也叫鏡像鑲邊)，拓展的大小為[r r],f為圖像塊半徑

%例如[2 3]表示垂直方向拓展2行，水平方向拓展3列

% 逐行、依次對(duì)圖像中的每個(gè)像素點(diǎn)進(jìn)行局部均值去噪處理

for i=1:m % 行

for j=1:n % 列

% 在延拓后的圖像中確定將要修補(bǔ)點(diǎn)的坐標(biāo)

x = i + radius;

y = j + radius;

% 確定當(dāng)前像素點(diǎn)的鄰域(或者說(shuō)當(dāng)前點(diǎn)所在的圖像塊)

neighbordhood = input_pad(x-radius:x+radius, y-radius:y+radius);

output(i,j) = median(neighbordhood(:)); % 先將整個(gè)圖像塊扁平化，然后取中值

end

end

創(chuàng)建文件 test_medfilter.m 代碼如下：

clc; %清除命令窗口的內(nèi)容

clf; %清除圖形

clear; %清除原有變量

colormap(gray); %設(shè)置色圖，色圖是一個(gè)m*3的矩陣，每一個(gè)位置的取值是0或1

img = imread('einstein.jpg');

input = imnoise(img, 'salt & pepper'); % 添加椒鹽噪聲，默認(rèn)噪聲密度0.05(噪聲密度是指包含噪聲值的圖像區(qū)域的百分比)

output = medfilter(input, 1); % 半徑為1，即取3*3的圖像塊

output = uint8(output);

%figure %創(chuàng)建新的圖形窗口

%colormap(gray) %設(shè)置色圖，色圖是一個(gè)m*3的矩陣，每一個(gè)位置的取值是0或1

clf %清除圖形

subplot(2,3,1),imagesc(img),xlabel('img'); % 原圖

subplot(2,3,2),imagesc(input),xlabel('input'); % 加了噪聲的圖像

subplot(2,3,3),imagesc(input-img),xlabel('real noise'); % 計(jì)算并顯示所加的噪聲

subplot(2,3,4),imagesc(output),xlabel('output'); % 處理后的圖像

subplot(2,3,5),imagesc(input-output),xlabel('residuals noise'); % 計(jì)算并顯示噪聲冗余圖像，對(duì)去噪結(jié)果進(jìn)行定性比較

將這兩個(gè)文件放在同一個(gè)文件夾下，然后在 matlab 中運(yùn)行 test_medfilter.m 即可。

2. 中值濾波

先創(chuàng)建一個(gè) meansfilter.m 文件，代碼如下：

function [output] = meansfilter(input, radius)

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% input: 噪聲圖像

% r: 圖像塊半徑

%

% Auther: Gao Zheng jie

% Email: 3170601003@cuit.edu.cn

% Date: 2017-12-19

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

[m n] = size(input); % 獲取圖像的行列維度，并分別賦給m和n

Output = zeros(m, n); % 定義m*n的零矩陣，用來(lái)存放去噪結(jié)果圖像

input_pad = padarray(input, [radius radius], 'symmetric'); %邊界延拓，使得位于圖像邊緣的像素點(diǎn)也能形成圖像塊。

% symmetric 對(duì)邊界區(qū)域進(jìn)行對(duì)稱(chēng)性重復(fù)(也叫鏡像鑲邊)，拓展的大小為[r r],f為圖像塊半徑

%例如[2 3]表示垂直方向拓展2行，水平方向拓展3列

weight = (2*radius+1)^2; % 算術(shù)均值濾波中每一個(gè)像素點(diǎn)的權(quán)重

% 逐行、依次對(duì)圖像中的每個(gè)像素點(diǎn)進(jìn)行局部均值去噪處理

for i=1:m % 行

for j=1:n % 列

% 在延拓后的圖像中確定將要修補(bǔ)點(diǎn)的坐標(biāo)

x = i + radius;

y = j + radius;

% 確定當(dāng)前像素點(diǎn)的鄰域(或者說(shuō)當(dāng)前點(diǎn)所在的圖像塊)

neighbordhood = input_pad(x-radius:x+radius, y-radius:y+radius);

output(i,j) = sum(sum(neighbordhood))/weight;

end

end

創(chuàng)建文件 test_medfilter.m 代碼如下：

clc; %清除命令窗口的內(nèi)容

clf; %清除圖形

clear; %清除原有變量

colormap(gray); %設(shè)置色圖，色圖是一個(gè)m*3的矩陣，每一個(gè)位置的取值是0或1

img = imread('einstein.jpg');

input = imnoise(img, 'gaussian'); % 添加高斯噪聲，默認(rèn)均值為0，方差為0.01

output = meansfilter(input, 1); % 半徑為1，即取3*3的圖像塊

output = uint8(output);

%figure %創(chuàng)建新的圖形窗口

%colormap(gray) %設(shè)置色圖，色圖是一個(gè)m*3的矩陣，每一個(gè)位置的取值是0或1

clf %清除圖形

subplot(2,3,1),imagesc(img),xlabel('img'); % 原圖

subplot(2,3,2),imagesc(input),xlabel('input'); % 加了噪聲的圖像

subplot(2,3,3),imagesc(input-img),xlabel('real noise'); % 計(jì)算并顯示所加的噪聲

subplot(2,3,4),imagesc(output),xlabel('output'); % 處理后的圖像

subplot(2,3,5),imagesc(input-output),xlabel('residuals noise'); % 計(jì)算并顯示噪聲冗余圖像，對(duì)去噪結(jié)果進(jìn)行定性比較

將這兩個(gè)文件放在同一個(gè)文件夾下，然后在 matlab 中運(yùn)行 test_medfilter.m 即可。

附

該文章于2017年12月19日于CSDN上首次發(fā)表，2017年12月23日搬家至此！

總結(jié)

以上是生活随笔為你收集整理的matlab调和均值滤波_均值滤波和中值滤波的MATLAB实现的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。