指导老师：张朝阳
院系：电子信息与电气工程学院
班级：Z1003423
姓名：陆加海
学号：1100342091
完成日期：2010.5
数字图像的空间域平滑滤波 1
数字图像的空间域平滑滤波 3
1. 实验目的 3
2. 实验原理 3
2.1 空间域平滑滤波基本原理 3
2.2 空间域平滑滤波器 3
3. 实验内容及实现方案 3
3.1 实验内容 3
3.2 实现方案 4
4. 实验步骤 4
4.1 噪声加入 4
4.2 椒盐噪声在不同领域值下的均值滤波 4
4.3 对椒盐噪声进行均值、中值滤波 5
4.4 对高斯噪声进行均值、中值滤波 5
4.5 自行设计空间滤波器 5
5. 实验结果分析 6
5.1 噪声加入 6
5.2 椒盐噪声在不同领域值下的均值滤波 6
5.3 对椒盐噪声进行均值、中值滤波 6
5.4 对高斯噪声进行均值、中值滤波 6
5.5 自行设计空间滤波器 7
数字图像的空间域平滑滤波
1.实验目的
1）掌握图像空间域平滑滤波的基本定义及目的。
2）理解空间域平滑滤波的基本原理及方法。
3）掌握进行图像空间域平滑滤波的方法。
2.实验原理
2.1 空间域平滑滤波基本原理
空间域滤波是在图像空间中借助模板进行领域操作，处理图像每一个都是根据模板对输入像素相应领域内的像素值进行计算得到的。空间域滤波器根据功能主要分为平滑滤波器和锐化滤波器。平滑可用低通来实现，平滑的目的可分为两类：一类是模糊，目的是在提取较大的目标前去除太小的细节或将目标内的小肩端连接起来；另一类是消除噪声。
2.2 空间域平滑滤波器
最常用的平滑滤波器有均值滤波器和中值滤波器。
均值滤波器是线性平滑滤波器，其所有系数都是正数对3×3模板来说，最简单的是取所有系数为1，为了保持图像仍然在原来图像的灰度值范围内，模块与像素领域的乘积都要除以9。
中值滤波器是一种常用的非线性平滑滤波器，其原理与均值滤波器原理类似，但计算的不是加权求和，而是把领域中的图像的像素按灰度级进行排序，然后选择组的中间值作为输出像素值。
3.实验内容及实现方案
3.1 实验内容
1）读入这幅图像，给这幅图像分别加入高斯噪声和椒盐噪声并与原图像显示在同一图像窗口中。
2）对加有椒盐噪声的图像分别用3×3方形窗口、7×7方形窗口进行均值滤波，查看其特点，显示均值处理后的图像。
3）对加入椒盐噪声的图像分别采用均值滤波法和中值滤波法进行处理，并在同一窗口中显示结果。
4）对加入高斯噪声的图像分别采用均值滤波法和中值滤波法进行处理，并在同一窗口中显示结果。
5）自己设计平滑空间滤波器，并用其对噪声图像进行处理，显示处理结果。
3.2 实现方案
1）操作系统：WIN 7 旗舰版。
2）软件平台：MATLAB R2009a。
3）图片格式：24位BMP、JPEG或TIF格式。
4）软件流程图如下：
图1 程序流程图
4.实验步骤
4.1 噪声加入
I=imread(); %读原图
J=imnoise(I,'salt & pepper',0.05); %加均值为0，方差为0.02的椒盐噪声
K=imnoise(I,'gaussian',0.01,0.02); %加均值为0.01，方差为0.02的高斯噪声。
subplot(1,3,1),imshow(I); %显示原图
subplot(1,3,2),imshow(J); %显示有椒盐噪声图像
subplot(1,3,3),imshow(K); %显示有高斯噪声图像
4.2 椒盐噪声在不同领域值下的均值滤波
J=imnoise(I,'salt & pepper',0.05); %加均值为0，方差为0.05的椒盐噪声
h=ones(3,3)/9; %定义邻域为3×3
J1= imfilter(J,h); %对有椒盐噪声图像进行3×3方形窗口均值滤波
h=ones(7,7)/49; %定义邻域为7×7
J2= imfilter(J,h); %对有椒盐噪声图像进行7×7方形窗口均值滤波
subplot(1,3,1),imshow(J); %显示有椒盐噪声图像
subplot(1,3,2),imshow(J1); %显示滤波结果图J1
subplot(1,3,3),imshow(J2); %显示滤波结果图J2
4.3 对椒盐噪声进行均值、中值滤波
J=imnoise(I,'salt & pepper',0.05); %加均值为0，方差为0.05的椒盐噪声
h=ones(5,5)/25; %定义邻域为5×5
J3= imfilter(J,h); %对有椒盐噪声图像进行5×5方形窗口均值滤波
red=J;
red= medfilt2(red(:,:,1)); %对有椒盐噪声图像红色分量中值滤波
I1(:,:,1)= red;
green=J;
green= medfilt2(green(:,:,2)); %对有椒盐噪声图像绿色分量中值滤波
I1(:,:,2)= green;
blue=J;
blue= medfilt2(blue(:,:,3)); %对有椒盐噪声图像蓝色分量中值滤波
I1(:,:,3)= blue;
subplot(1,3,1),imshow(J); %显示有椒盐噪声图像
subplot(1,3,2),imshow(J3); %显示有均值滤波结果图J3
subplot(1,3,3),imshow(I1); %显示有中值滤波结果图I1
4.4 对高斯噪声进行均值、中值滤波
K=imnoise(I,'gaussian',0.01,0.02); %加均值为0.01，方差为0.05的高斯噪声
h=ones(5,5)/25; %定义邻域为5×5
J4= imfilter(K,h); %对高斯噪声图像进行5×5方形窗口均值滤波
red=K;
red= medfilt2(red(:,:,1)); %对高斯噪声图像红色分量中值滤波
I2(:,:,1)= red;
green=K;
green= medfilt2(green(:,:,2)); %对高斯噪声图像绿色分量中值滤波
I2(:,:,2)= green;
blue=K;
blue= medfilt2(blue(:,:,3)); %对高斯噪声图像蓝色分量中值滤波
I2(:,:,3)= blue;
subplot(1,3,1),imshow(K); %显示高斯噪声图像
subplot(1,3,2),imshow(J4); %显示均值滤波结果图J3
subplot(1,3,3),imshow(I2); %显示中值滤波结果图I1
4.5 自行设计空间滤波器
K=imnoise(I,'gaussian',0.01,0.02); %加均值为0.01，方差为0.05的高斯噪声
domain= [0 0 1 0 0; %自定义领域
0 0 1 0 0;
1 1 1 1 1;
0 0 1 0 0;
0 0 1 0 0]/9;
K1= imfilter(K,domain); %对高斯噪声图像进行5×5方形窗口均值滤波
subplot(1,3,1),imshow(K); %显示高斯噪声图像
subplot(1,3,2),imshow(J3); %显示邻域为5×5的均值滤波结果图J3
subplot(1,3,3),imshow(K1); %显示自定义领域的均值滤波结果图K1
5.实验结果分析
5.1 噪声加入
读入这幅图像，给这幅图像分别加入高斯噪声和椒盐噪声并与原图像显示在同一图像窗口中，如图2所示。
图2 初始图像及椒盐噪声图像、高斯噪声图像
5.2 椒盐噪声在不同领域值下的均值滤波
对加有椒盐噪声的图像分别用3×3方形窗口、7×7方形窗口进行均值滤波，查看其特点，显示均值处理后的图像。
从图3中可以看出，对于椒盐噪声污染的图像处理，3×3窗口的均值滤波要明显优于7×7窗口的均值滤波。
图3 椒盐噪声图像在不同窗口下的均值滤波结果
5.3 对椒盐噪声进行均值、中值滤波
对加入椒盐噪声的图像分别采用均值滤波法和中值滤波法进行处理，并在同一窗口中显示结果。
从图4中可以看出，对于椒盐噪声污染的图像处理，中值滤波要明显优于均值滤波。
图4 椒盐噪声图像的均值滤波、中值滤波结果
5.4 对高斯噪声进行均值、中值滤波
对加入高斯噪声的图像分别采用均值滤波法和中值滤波法进行处理，并在同一窗口中显示结果。
从图5中可以看出，对于高斯噪声污染的图像处理，中值滤波要比均值滤波在细节上更清楚；均值滤波对噪声的滤除效果比中值滤波略优。
图5 高斯噪声图像的均值滤波、中值滤波结果
5.5 自行设计空间滤波器
自行设计平滑空间滤波器，并用其对噪声图像进行处理，显示处理结果。
从图5中可以看出，对于高斯噪声污染的图像处理，自定义窗口的均值滤波器要比5×5窗口的均值滤波在细节上更清楚。
图6 高斯噪声图像的均值滤波、自定义滤波结果下载本文
