滤波特征提取源代码（滤波特征提取源代码有哪些）

本篇文章给大家谈谈滤波特征提取源代码，以及滤波特征提取源代码有哪些对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、跪求快速中值滤波算法matlab源代码
• 2、matlab图像平滑处理，用邻域平均法和中值滤波法实现图像平滑处理。求源代码（要有注释）
• 3、已知带噪信号x(n),怎么用维纳滤波器，麻烦写一下matlab 原代码
• 4、如何用gabor滤波器提取图像的纹理特征和形状特征
• 5、MATLAB基于汉宁窗的FIR的低通滤波器的源代码及注释
• 6、已有.mat文件，用matlab对心电信号进行滤波、提取特征点等处理，求程序以及具体的解释说明。

跪求快速中值滤波算法matlab源代码

你注意了，imread(路径，'name.jpg'),我是以我电脑的图片给你做的，你运行时候，MATLAB路径要改到你需要处理图片的路径。

代码如下：

I=imread('11.jpg');    %读取图像，

subplot(2,2,1),imshow(I);title('原图');  %显示原图像

J=rgb2gray(I);    %把彩色图像转化为灰度图像

subplot(2,2,2),imshow(J);title('灰度图');  %显示灰度图像

J= imnoise(J,'salt  pepper',0.005); %加上椒盐噪声

subplot(2,2,3),imshow(J);title('椒盐噪声图'); %显示加上椒盐的图像

H=medfilt2(J);   %中值滤波

subplot(2,2,4),imshow(H);title('处理后图'); %显示中值滤波后的图像

中值滤波器适合于椒盐滤波，均值滤波器适合于高斯噪声

希望能帮到你！

matlab图像平滑处理，用邻域平均法和中值滤波法实现图像平滑处理。求源代码（要有注释）

%%中值

I=imread('lena.bmp'); %读原图

J1=imnoise(I,'salt pepper',0.02); %加均值为0，方差为0.02的椒盐噪声

J2=imnoise(I,'gaussian',0.02); %加均值为0，方差为0.02的高斯噪声。

subplot(2,2,1),imshow(J1); %显示有椒盐噪声图像

subplot(2,2,2),imshow(J2); %显示有高斯噪声图像

I1= medfilt2(J1,[5,5]); %对有椒盐噪声图像进行5×5方形窗口中值滤波

I2= medfilt2(J2,[5,5]); %对有高斯噪声图像进行5×5方形窗口中值滤波

subplot(2,2,3),imshow(I1); %显示有椒盐噪声图像的滤波结果

subplot(2,2,4),imshow(I2); %显示有高斯噪声图像的滤波结果

%%均衡

I=imread('lena.bmp'); %将图读入到I

imshow(I); %显示图像

figure,imhist(I); %直方图

I2=histeq(I); %均衡化

figure;imshow(I2); %处理后图像显示

figure;imhist(I2); %均衡化后直方图

imwrite(I2,'lena2.bmp'); %保存图像

已知带噪信号x(n),怎么用维纳滤波器，麻烦写一下matlab 原代码

这个问题 建议你百度百科下 就有类似的课程设计or毕设 里面有源代码的

L = input('输入信号样本个数L=');

N = input('输入FIR滤波器阶数N=');

a = 0.95;

K = 50;

sigma_a2 = 1-a^2;

a_ = [1,-a];

while(1)

w = sqrt(sigma_a2)*(randn(L,1)); %获得方差为sigma_a2的高斯白噪声w

v = randn(L,1); %获得方差为1的高斯白噪声v

s(1) = w(1); %通过公式：s(n) = a*s(n-1)+wn(n)获得源信号s与加了噪声v的x

for i=1:L-1

s(i+1)=a*s(i)+w(i+1);

x(i) = s(i)+v(i);

end

x(L) = s(L)+v(L);

%%%%%%%%%%%%%%%%%估计相关函数r_xx和r_xs%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

for i=1:K+1

rxx(i)=sum(x(i:L).*x(1:L-i+1))/(L-i+1);

end

r_xx_g=[rxx(K+1:-1:2),rxx(1:K+1)];

for i=1:K+1

rxs(i)=sum(x(i:L).*s(1:L-i+1))/(L-i+1);

end

r_xs_g=[rxs(K+1:-1:2),rxs(1:K+1)];

%%%%%%%%%%%%%%检验x的r_xx和r_xs是否与理论值相符%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

r_xx_t = a.^abs([-K:K]);

r_xx_t(K+1) = r_xx_t(K+1)+1;

r_xs_t = a.^abs([-K:K]);

rou_xx=(sum((r_xx_g-r_xx_t).^2))/sum(r_xx_t.^2);

rou_xs=(sum(r_xs_g-r_xs_t).^2)/sum(r_xs_t.^2);

if rou_xx0.03 rou_xs0.01

break;

end

end

%%%%%%%%%%%%%%x(n)的自相关函数的理论值（红色）和实际值（蓝色）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

figure(1);

stem(r_xx_t,'r');

hold on

stem(r_xx_g,'*','b');

title('x(n)的自相关函数的理论值和实际值（*）');

%%%%%%%%%%%%%%最后100个s(n)（红色）和x(n)（蓝色）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

figure(2);

stem(s(L-100:L),'r');

hold on

stem(x(L-100:L),'*','b');

title('最后100个s(n)和x(n)（*）');

%%%%%%%%%%%%%%N个理想h(n)（h_t红色）估计h(n)（h_g蓝色）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

n = 0:N-1;

h_t = 0.238*(0.724).^n; %求得理想的h(n)

for i=1:N

xx(i)=sum(x(i:L).*x(1:L-i+1))/(L-i+1);

end

for i=1:N

Rxx(i,1:N)=[xx(i:-1:1),xx(2:N+1-i)];

end

for i=1:N

xs(i)=sum(x(i:L).*s(1:L-i+1))/(L-i+1);

end

invRxx=inv(Rxx);

h_g=invRxx*xs'; %估计h

figure(3);

stem(h_t,'r');

hold on

stem(h_g,'*','b');

title('N个理想h(n)（h_t）估计h(n)（*h_g）');

%%%%%%%%%%%%%%最后100个s(n)（红色）理想维纳滤波S_l(n)（蓝色）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

y_l(1) = s(1); %得到理想维纳滤波的S(n)

for i = 1:L-1

y_l(i+1) = 0.724*s(i)+0.238*x(i+1);

end

figure(4);

stem(s(L-100:L),'r');

hold on

stem(y_l(L-100:L),'*','b');

title('最后100个s(n)理想维纳滤波S_R(n)（*）');

%%%%%%%%%%%%%%最后100个s(n)（红色）根据式FIR滤波S_R(n)（蓝色）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

for i=1:9 %得到FIR维纳滤波的S(n)

y_F(i)=sum(h_g(1:i)'.*x(i:-1:1));

end

for i=10:L

y_F(i)=sum(h_g'.*x(i:-1:i-9));

end

figure(5);

stem(s(L-100:L),'r');

hold on

stem(y_F(L-100:L),'*','b');

title('最后100个s(n)根据式FIR滤波S_R(n)（*）');

%%%%%%%%%%%%%%%%%求均方误差%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

e_x=sum((x-s(1:L)).^2)/L %求各自的均方误差

e_i=sum((y_l-s(1:L)).^2)/L

e_f=sum((y_F-s(1:L)).^2)/L

如何用gabor滤波器提取图像的纹理特征和形状特征

其实学数字图像处理，关键的不是源代码（和一般编程还是有区别的，这个是经验之谈，其实一般博导未必会编程，但是你和他说说你的方法，他一般都能切中要害），而是你能理解基于概念及适用场所。

基于颜色、纹理、形状都属于低层特征，这些你理解就够了，关键是对你的课题适合哪种方法来映射到高层语义上面，例如：识别物体轮廓，那可能形状就比较适合等。我之所以写上面那段话，主要是我感觉你索取代码也不说明具体要求，也就是方向不明确。如今颜色特征提取算法有很多，诸如颜色直方图、颜色矩、颜色集、颜色聚合向量、颜色相关图等，既然你没说，我就给个IEEE CSVT 2001的一篇关于颜色直方图法的论文（源码版权归作者所有）：function colorhist = colorhist(rgb) % CBIR_colorhist() --- color histogram calculation % input: MxNx3 image data, in RGB % output: 1x256 colorhistogram == (HxSxV = 16x4x4) % as the MPEG-7 generic color histogram descriptor % [Ref] Manjunath, B.S.; Ohm, J.-R.; Vasudevan, V.V.; Yamada, A., "Color and texture descriptors" % IEEE Trans. CSVT, Volume: 11 Issue: 6 , Page(s): 703 -715, June 2001 (section III.B) % check input if size(rgb,3)~=3 error(';3 components is needed for histogram';); end % globals H_BITS = 4; S_BITS = 2; V_BITS = 2; %rgb2hsv可用rgb2hsi代替，见你以前的提问。hsv = uint8(255*rgb2hsv(rgb)); imgsize = size(hsv); % get rid of irrelevant boundaries i0=round(0.05*imgsize(1)); i1=round(0.95*imgsize(1)); j0=round(0.05*imgsize(2)); j1=round(0.95*imgsize(2)); hsv = hsv(i0:i1, j0:j1, :); % histogram for i = 1 : 2^H_BITS for j = 1 : 2^S_BITS for k = 1 : 2^V_BITS colorhist(i,j,k) = sum(sum( ... bitshift(hsv(:,:,1),-(8-H_BITS))==i-1 ;... bitshift(hsv(:,:,2),-(8-S_BITS))==j-1 ;... bitshift(hsv(:,:,3),-(8-V_BITS))==k-1 )); end end e......a class="a" href="/question/305022600618707524?cm=0;lm=1;answerType=0;rn=1;aid=2005373973;ppn=0;prn=5;plm=null;from=;ssid=;uid=1DC07B53468219C0E069EA641B93C42B;pu=;step=1"余下全文/a

MATLAB基于汉宁窗的FIR的低通滤波器的源代码及注释

很常见的设计题目

给你一个例程，只需要改一改参数就行了

clear all;

f=[0 0.19 0.2 0.3 0.31 0.59 0.6 0.8 0.81 1];

% 给定频率轴分点；

m=[0 0 1 1 0 0 1 1 0 0];

% 给定在这些频率分点上理想的幅频响应

N1=30;

N2=90;

% 取两种不同的滤波器长度；

b1=fir2(N1,f,m);

b2=fir2(N2,f,m);

% 得到两个滤波器；

subplot(311);

stem(b1,'.');grid;

subplot(312);

stem(b2,'.');grid;

M=128;

[h1,w]=freqz(b1,1,M,1);

[h2,w]=freqz(b2,1,M,1);

subplot(313);

plot(w,abs(h1),'b-',w,abs(h2),'g-');grid;

其中，f是归依化以后的频率 通过数字滤波器的采样频率算出来，根据通带和阻带算好f和m就行了

看一看help，这个函数应该有窗函数的选择 默认情况下是汉明窗

希望能够帮到你

已有.mat文件，用matlab对心电信号进行滤波、提取特征点等处理，求程序以及具体的解释说明。

文件需要处理，

matopen 打开mat文件

用matlab对心电信号进行滤波，处理相似性等方式处理数据；

输出数据，

有两种方式

1在plot画出图，提取特征点等处理

2用word,xls,viso，等等，软件进行处理特征点

程序不难，自己处理吧，2个小时可能就可以

关于滤波特征提取源代码和滤波特征提取源代码有哪些的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。