图像滤波matlab代码(基于matlab的图像滤波算法研究与设计)
admin 发布:2022-12-19 13:13 100
本篇文章给大家谈谈图像滤波matlab代码,以及基于matlab的图像滤波算法研究与设计对应的知识点,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、怎样用matlab进行图像滤波处理
- 2、彩色图像中值滤波matlab语言实现程序
- 3、急急急!图像逆滤波与维纳滤波的程序代码(matlab)
- 4、基于MATLAB,对彩色图像进行中值滤波
- 5、一道基于matlab的数字图像滤波
怎样用matlab进行图像滤波处理
1、打开软件,读入图片。
2、分别建立3*3高斯滤波模板和平均滤波模板,并对加噪的图片进行滤波处理。显示原图、加噪后的图片和分别用高斯、平均模板滤波后的图片。
3、图片结果如图,可以看出平均模板滤波后噪声十分明显,高斯模板滤波后噪声影响相对较小,但也很容易看出。
4、使用中值滤波对图片进行处理,并显示处理后的图像。
5、从图片可以看出,中值滤波后的图像基本上看不出来噪声的影响。完成保存就可以了。
彩色图像中值滤波matlab语言实现程序
I=imread('lena.bmp');
inf=imfinfo('lena.bmp')
figure,imshow(I)
X=grayslice(I,64);
imshow(X,pink(64))
load trees
figure,image(10,10,X)
imwrite(X,map,'trees.bmp');
imfinfo('trees.bmp')
figure,imshow(X,map)
BW=im2bw(X,map,0.6);
figure,imshow(BW)
I=imread('lena.bmp');
inf=imfinfo('lena.bmp')
figure,imshow(I)
X=grayslice(I,64);
figure,imshow(X,pink(64))
A=imread('lena.bmp');
imshow(A)
B=fftshift(fft2(A));
figure;
imshow(log(abs(B)),[8,10])
clc;
clear all;
I=imread('lena.tif');
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% %用中值滤波,多维滤波,使用中心为-4,-8的拉普
% %拉斯滤波器,高斯低通滤波,拉普拉斯滤波器进行滤波处理
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
figure;%figure1
subplot(2,2,1);
imshow(I);
title('原始图像');
J=imnoise(I,'salt pepper',0.04);%加椒盐噪声
title('加椒盐噪声');
subplot(2,2,2);
imshow(J);
K=medfilt2(J,[4,4])%进行中值滤波;
subplot(2,2,3);
imshow(K);
title('进行中值滤波');
h=ones(3,3)/9;%多维滤波
w=h;
g=imfilter(I,w,'conv','replicate')
subplot(2,2,4);
imshow(g);
title('多维滤波');
%使用中心为-4,-8的拉普拉斯滤波器,
w4=[1 1 1;
1 -4 1;
1 1 1];
w8=[1 1 1;
1 -8 1;
1 1 1];
f=im2double(I);
g4=f-imfilter(f,w4,'replicate');
g8=f-imfilter(f,w8,'replicate');
imshow(f);
figure;%figure2
subplot(1,2,1);
imshow(g4);
title('中心为-4的拉普拉斯滤波');
subplot(1,2,2);
imshow(g8);
title('中心为-8的拉普拉斯滤波');
h3=fspecial('gaussian',[3,3],0.5);%高斯低通滤波
figure;%figure3
B4=filter2(h3,I);
subplot(1,2,1);
imshow(B4,[ ]);
title('高斯低通滤波');
h4=fspecial('laplacian',0);%使用拉普拉斯滤波器
B5=filter2(h4,I);
subplot(1,2,2);
imshow(B5,[ ]);
title('拉普拉斯滤波器');
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% %从空域的角度进行亮度变换
% %把灰度等级是10-100的变化到10-255
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
figure;%figure4
subplot(2,2,1);
imshow(I);
title('原始图像');
J2=imadjust(I,[],[],0.5);% 增强低灰度级
subplot(2,2,2);
imshow(J2);
title('增强低灰度级');
J3=imadjust(I,[ ],[ ],2);%增强高灰度级
subplot(2,2,3);
imshow(J3);
title('增强高灰度级');
a1=100/255;%把灰度等级是10-100的变化到10-255
a2=255/255;
a3=10/255;
J2=imadjust(I,[a3,a1],[a3,a2],[]);
subplot(2,2,4);
imshow(J2);
title('把灰度等级是10-100的变化到10-255');
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% %从频域的角度进行亮度变换
% %fft2
% %由于能量主要集中在低频部分
% %所以对低频进行处理可以得到理想的效果
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
I=imread('lena.tif');
up=0.5;%设置处理频率上限
down=0.09%%设置处理频率下限
figure;%figure5
subplot(421);
imshow(I);
title('原始图像');
f=double(I);
subplot(4,2,3);
imshow(log(abs(f)),[]);
title('unit8转化为double');
g=fft2(f);
g=fftshift(g);
subplot(4,2,5);
imshow(log(abs(g)),[]);
title('FFT2变化后的图像');
[M,N]=size(g);% 转换数据矩阵
y1=max(max(abs(g)));%求出最大频率
y2=min(min(abs(g)));%%求出最小频率
y3=(y1-y2)*up+y2;%设置滤波上限
y4=(y1-y2)*down+y2;%%设置滤波下限
for i=1:M
for j=1:N
if (abs(g(i,j))y4)
g(i,j)=g(i,j)^1.1;%对低频部分进行灰度增强
end
end
end
result=ifftshift(g);
J2=ifft2(result);
J3=uint8(abs(J2));
subplot(427);
imshow(J3,[ ]);
title('频域处理后的图像');
subplot(422)
imhist(I,64);
subplot(424)
imhist(f,64);
subplot(426)
imhist(g,64);
subplot(428)
imhist(J3,64);
急急急!图像逆滤波与维纳滤波的程序代码(matlab)
clc;clear all;
%读原始图像%
format long
Blurred=imread('fig525(b).bmp');
subplot(1,2,1);imshow( Blurred);title('原图像');
%自编函数进行维纳滤波%
k=0.0025;
[m,n]=size(Blurred);
spectrum=zeros(m,n);
H=zeros(m,n);
for u=1:m
for v=1:n
H(u,v)=exp(-k*((u-m/2)^2+(v-n/2)^2)^(5/6));
spectrum(u,v)=H(u,v)^2;
end
end
f=double(Blurred);
F1=fftshift(fft2(f));
HW=H./(spectrum+0.001);
restore1=HW.*F1;
restored=real(ifft2(ifftshift(restore1)));
subplot(1,2,2);imshow(restored,[]);title('自编函数进行维纳滤波');
%调用matlab提供的维纳滤波函数%
figure;
hw1=real(ifft2(ifftshift(H)));%转化到空域上来
result1=deconvwnr(Blurred,hw1,0.001);
result2=ifftshift(result1);%再去图像进行1,3象限对调,2与4象限对调
subplot(1,2,1);imshow(result2,[]);title('调用维纳滤波函数');
基于MATLAB,对彩色图像进行中值滤波
1、阅读图片,以pout.tif为例,加上盐和胡椒噪音。
2、分别建立3×3高斯滤波器模板和平均滤波器模板,并对经过噪声添加的图像进行滤波。显示原始图像,噪声图像和由高斯和平均模板过滤的图像。
3、图片结果如图所示。可以看出,平均模板滤波后的噪声非常明显。高斯模板滤波的噪声影响相对较小。
4、之后我们选择输入代码进行过滤,并显示处理后的图像。
5、中值滤波图像基本上不显示噪声的影响。效果如下。
一道基于matlab的数字图像滤波
clear;
close
all;
I
=
imread('eight.tif');
J
=
imnoise(I,'salt
pepper',0.02);
K
=
medfilt2(J);
imshow(J);title('噪声干扰图像')
figure,
imshow(K);title('medfilt2滤波图像')
X=J;a=2;b=2;
k=floor(a*b/2)+1;
[M,N]=size(X);
uint8
Y=zeros(M,N);
funBox=zeros(a,b);
temp=zeros(a*b);
for
i=1:M-a
for
j=1:N-b
funBox=X(i:i+a,j:j+b);
temp=funBox(:);
tempSort=sort(temp);
Y(i,j)=tempSort(k);
end;
end;
figure,
imshow(Y);title('自编程序滤波图像')
clear;
close
all;
c=imread('123.png');
%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');
%显示加入高斯噪声之后的图象
%实验步骤二:用系统预定义滤波器进行均值滤波
n=1;
A=fspecial('average',n);%生成系统预定义的3X3滤波器
Y=filter2(A,g)/255;
%用生成的滤波器进行滤波,并归一化
figure,imshow(Y),title('系统函数滤波图像');
%显示滤波后的图象
a(1:n,1:n)=1;
%a即n×n模板,元素全是1
p=size(g);
%输入图像是p×q的,且pn,qn
x1=double(g);
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);
%实验步骤三:用自己的编写的函数进行均值滤波
%调用自编函数进行均值滤波,n为模板大小
figure,imshow(d),title('自编程序滤波图像');
%显示滤波后的图象
图像滤波matlab代码的介绍就聊到这里吧,感谢你花时间阅读本站内容,更多关于基于matlab的图像滤波算法研究与设计、图像滤波matlab代码的信息别忘了在本站进行查找喔。
版权说明:如非注明,本站文章均为 AH站长 原创,转载请注明出处和附带本文链接;
相关推荐
取消回复欢迎 你 发表评论:
- 标签列表
- 最近发表
- 友情链接