matlab實現平滑濾波

本文轉載自查看原文 2020-12-04 22:52 865 【數字圖像】數字圖像處理

clc;clear;close all;
 
im=imread('p1.jpg');
im = rgb2gray(im);
im=double(im);
im=im/max(im(:));
figure('Name','原圖','NumberTitle','off');imshow(im,[0,1]);

P1 = imnoise(im,'gaussian',0,0.005);  % adding gaussian noise 這里im是原始圖像，添加了均值是0，方差是0.005的高斯噪聲。
figure('Name','高斯噪聲','NumberTitle','off');imshow(P1,[0,1]); 
P2 = imnoise(im,'salt & pepper',0.02);  % adding impulse noise  添加鹽和胡椒噪聲，默認噪聲密度為0.05。這會影響大約5％的像素。
figure('Name','椒鹽噪聲','NumberTitle','off');imshow(P2,[0,1]);

a=[1 1 1;1 1 1;1 1 1];  %定義一個3X3的全為1的模板
template1=(1/9)*a;

%對高斯噪聲進行濾波操作
imAve=conv2(double(P1),double(template1));% 返回矩陣 a 和 template1 的二維卷積。
figure('Name','高斯噪聲：均值濾波','NumberTitle','off');imshow(imAve,[0,1]);
 
imMed=medfilt2(P1,[3,3],'symmetric'); %執行中值濾波，其中每個輸出像素包含輸入圖像中相應像素周圍的m按n鄰域的中值。
figure('Name','高斯噪聲：中值濾波','NumberTitle','off');imshow(imMed,[0,1]);
 
psf=fspecial('gaussian',3,1);    %返回大小為 hsize 的旋轉對稱高斯低通濾波器，標准差為 sigma。
imGau=imfilter(P1,psf,'conv','symmetric'); %根據一個或多個返回大小為 hsize 的旋轉對稱高斯低通濾波器，標准差為 sigma。
figure('Name','高斯噪聲：高斯濾波','NumberTitle','off');imshow(imGau,[0,1]);

%對椒鹽噪聲進行濾波操作
imAve=conv2(double(P2),double(template1));% 返回矩陣 a 和 template1 的二維卷積。
figure('Name','椒鹽噪聲：均值濾波','NumberTitle','off');imshow(imAve,[0,1]); title('average filter');
 
imMed=medfilt2(P2,[3,3],'symmetric'); %執行中值濾波，其中每個輸出像素包含輸入圖像中相應像素周圍的m按n鄰域的中值。
figure('Name','椒鹽噪聲：中值濾波','NumberTitle','off');imshow(imMed,[0,1]);
 
psf=fspecial('gaussian',3,1);    %返回大小為 hsize 的旋轉對稱高斯低通濾波器，標准差為 sigma。
imGau=imfilter(P2,psf,'conv','symmetric'); %根據一個或多個返回大小為 hsize 的旋轉對稱高斯低通濾波器，標准差為 sigma。
figure('Name','椒鹽噪聲：高斯濾波','NumberTitle','off');imshow(imGau,[0,1]);

原圖