实验二 数字图像的空间域滤波
一、实验目的
1、 理解图像空间域滤波的原理；
2、 掌握图像均值滤波、中值滤波的原理与实现方法； 3、掌握上述方法的改进方法。
二、实验原理
均值滤波的主要步骤为：
（1） 将模板在途中漫游，并将模板中心与途中某个象素位置重合； （2） 将模板上系数与模板下对应象素相乘； （3） 将所有乘积相加；
（4） 将和（模板的输出响应）赋给途中对应模板中心位置的象素。
中值滤波的主要步骤为：
（1）将模板在途中漫游，并将模板中心与途中某个象素位置重合； （2）读取模板下各对应象素的灰度值； （3）将这些灰度值从小到大排成1列； （4）找出这些值里排在中间的1个；
（5）将这个中间值赋给对应模板中心位置的象素。
三、实验内容
基本要求：
1、 自己编程实现图像的均值滤波； 2、 自己编程实现图像的中值滤波；
3、 利用matlab图像处理工具箱中的函数实现图像的上述处理； 扩展要求：
4、 实现一种图像加权中值滤波或加权均值滤波；
四、实验步骤
1、 编程实现图像的均值滤波 程序代码：
h=imread('444.jpg'); %读入彩色图片
c=rgb2gray(h); %把彩色图片转化成灰度图片，256级 figure,imshow(c),title('原始图象'); %显示原始图象 g=imnoise(c,'gaussian',0.1,0.002); %加入高斯噪声 figure,imshow(g),title('加入高斯噪声之后的图象');
Y2=avefilt(g,3); %调用自编函数进行均值滤波，n为模板大小
figure,imshow(Y2),title('用自己的编写的函数进行均值滤波之后的结果'); Y4=midfilt(g,3); %调用自己编写的函数进行中值滤波，
figure,imshow(Y4),title('用自己编写的函数进行中值滤波之后的结果'); 自己编写的脚本代码 均值滤波
function d=avefilt(x,n)
a(1:n,1:n)=1; %a即n×n模板,元素全是1 p=size(x); %输入图像是p×q的,且p>n,q>n x1=double(x); x2=x1;
%A(a:b,c:d)表示A矩阵的第a到b行,第c到d列的所有元素 for i=1:p(1)-n+1 for j=1:p(2)-n+1
c=x1(i:i+(n-1),j:j+(n-1)).*a; %取出x1中从(i,j)开始的n行n列元素与模板相乘 s=sum(sum(c)); %求c矩阵(即模板)中各元素之和
x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n); %将模板各元素的均值赋给模板中心位置的元素 end end
%未被赋值的元素取原值 d=uint8(x2); 中值滤波
function d=midfilt(x,n)
p=size(x); %输入图像是p×q的,且p>n,q>n x1=double(x); x2=x1;
for i=1:p(1)-n+1 for j=1:p(2)-n+1
c=x1(i:i+(n-1),j:j+(n-1)); %取出x1中从(i,j)开始的n行n列元素,即模板(n×n的) e=c(1,:); %是c矩阵的第一行 for u=2:n
e=[e,c(u,:)]; %将c矩阵变为一个行矩阵 end
mm=median(e); %mm是中值
x2(i+(n-1)/2,j+(n-1)/2)=mm; %将模板各元素的中值赋给模板中心位置的元素 end end
%未被赋值的元素取原值 d=uint8(x2); 程序运行截图
五、实验结果分析
从实验结果可以看出，中值滤波较均值滤波效果好些，并且滤波与所选的模板有关，若选择权值相同（本实验为0.1/9）相对不同权值的效果好些。模板的不同对均值滤波的影响较大。