“數(shù)字圖像處理與識別”實驗報告實驗2平滑濾波處理.docx

“數(shù)字圖像處理與識別”實驗報告 實驗二 圖像空域平滑濾波一、 實驗?zāi)康睦斫鈭D象平滑的概念，掌握鄰域平均技術(shù)及中值濾波技術(shù)。進一步加深理解和掌握平滑濾波的原理和具體算法，理解圖象平滑濾波的處理過程和特點。二、 實驗內(nèi)容1、鄰域平均設(shè)計程序，實現(xiàn)33鄰域平均和77鄰域平均的平滑處理。觀察處理前后圖象效果，分析實驗結(jié)果和算法特點。2、 中值濾波設(shè)計程序，實現(xiàn)33鄰域中值濾波。觀察處理前后圖像效果，分析實驗結(jié)果和算法特點。三、 實驗原理鄰域平均 g(x,y)= 1M(m,n)Sf(m,n)，（取一點和鄰域內(nèi)像素點的平均值） 鄰域中值 g(x,y)= m*n鄰域內(nèi)像素點按灰度大小排序后取中間值四、 算法設(shè)計（含程序設(shè)計流程圖）1、鄰域平均： 開始載入原圖補齊邊緣，計算鄰域內(nèi)均值并替換原值滑動窗口，并檢查是否為最后一個像素否是結(jié)束保存圖片開始2、鄰域中值：載入原圖補齊邊緣，對鄰域內(nèi)像素排序并取中間值替換原值滑動窗口，并檢查是否為最后一個像素否是結(jié)束保存圖片五、實驗結(jié)果及分析（需要給出原始圖像和處理后的圖像）平滑濾波實驗原圖 3*3鄰域平均的平滑濾波7*7鄰域平均的平滑濾波 3*3鄰域中值的平滑濾波分析：1、鄰域均值濾波:當鄰域為3x3時，濾波后的圖片有輕微模糊，部分細節(jié)也被過濾掉了；當鄰域為7x7時，圖像邊緣和細節(jié)模糊減輕，但是整幅圖的模糊度變大了。由此可見，鄰域均值濾波的效果和窗口的大小有關(guān)。2、鄰域中值濾波:可以很明顯的看出中值濾波的效果比均值濾波的效果好，均值濾波的噪聲減少，但是所付出的代價是部分細節(jié)丟失和圖像變得模糊。中值濾波比均值濾波更適合去除椒鹽噪聲，模糊程度有所下降。附：程序源代碼clear;data = imread(平滑濾波實驗原圖.jpg);col = size(data,2);row = size(data,1);num = 3; %改變n值則改變鄰域大小 half = (num-1)/2;tempdata = zeros(row+num-1,col+num-1);tempdata(half+1:half+row,half+1:col+half) = data; for i = 1:half for j = 1:half tempdata(i,j) = data(half+2-j,half+2-i); tempdata(i,col+half+j) = data(j+1,col-half+i-1); tempdata(row+half+i,j) = data(row-half-1+j,i+1); tempdata(row+half+i,col+half+j) = data(row-j,col-i); endend for i = 1:half for j = half+1:half+col tempdata(i,j) = data(half+2-i,j-half); tempdata(row+half+i,j) = data(row-i,j-half); endend for j = 1:half for i = half+1:half+row tempdata(i,j) = data(i-half,half+2-j); tempdata(i,j+col+half) = data(i-half,col-j); endend out = zeros(size(data);temp = zeros(1,num*num); for i = 1:row for j = 1:col % 下一行代碼用于鄰域均值濾波 out(i,j) = sum(sum(tempdata(i:i+num-1,j:j+num-1)/(num*num); %以下三行代碼用于鄰域中值濾波 %temp = reshape(tempdata(i:i+num-1,j:j+num-1),1,num*num); %A,B= sort(temp); %out(i,j)