數(shù)字圖像空間濾波

實(shí)驗(yàn)五數(shù)字圖像的空間濾波實(shí)驗(yàn)?zāi)康恼莆諗?shù)字圖像的空間濾波的方法；編程實(shí)現(xiàn)數(shù)字圖像的空間濾波。實(shí)驗(yàn)設(shè)備計(jì)算機(jī)，Matlab軟件實(shí)驗(yàn)要求請(qǐng)完成〔四〕實(shí)驗(yàn)內(nèi)容相應(yīng)的實(shí)驗(yàn)操作，實(shí)驗(yàn)報(bào)告的形式請(qǐng)見(jiàn)〔四〕實(shí)驗(yàn)內(nèi)容的說(shuō)明〔可附存在的問(wèn)題〕。在頁(yè)眉處填寫(xiě)班級(jí)、學(xué)號(hào)、姓名，并將實(shí)驗(yàn)報(bào)告命名為“學(xué)號(hào)后三位_姓名_實(shí)驗(yàn)五”〔如001_張三_實(shí)驗(yàn)五〕，并通過(guò)FTP上傳至文件夾《實(shí)驗(yàn)五學(xué)生作業(yè)》?！布僭O(shè)有轉(zhuǎn)專(zhuān)業(yè)請(qǐng)命名為“轉(zhuǎn)001_張三_實(shí)驗(yàn)五〕實(shí)驗(yàn)內(nèi)容做實(shí)驗(yàn)之前，請(qǐng)先答復(fù)以下問(wèn)題：為什么要對(duì)圖像進(jìn)行濾波，濾波有什么作用？數(shù)字圖像中的高斯噪聲和椒鹽噪聲有什么特征？數(shù)字圖像的空間濾波的方法總共有幾種，分別是什么？算術(shù)均值濾波的3*3模板是什么？答：〔1〕作用：消除圖像數(shù)字化時(shí)所混入的噪聲，增強(qiáng)比照度，得到比擬干凈清晰的圖像〔2〕高斯噪聲的特征是：把突變點(diǎn)的灰度分散在其相鄰點(diǎn)中來(lái)到達(dá)平滑效果，其概率密度函數(shù)是服從高斯分布〔即正態(tài)分布〕的一類(lèi)噪聲。椒鹽噪聲的特征是：黑圖像上的白點(diǎn),白圖像上的黑點(diǎn),與周?chē)鼽c(diǎn)的灰度值差異較大〔3〕數(shù)字圖像的空間濾波的方法：1〕均值濾波2〕中值濾波3〕WienerWienerWienerWiener濾波4〕圖像小波域?yàn)V波〔4〕算術(shù)均值濾波的3*3模板:k=5實(shí)驗(yàn)局部請(qǐng)編程實(shí)現(xiàn)對(duì)圖像參加高斯噪聲和椒鹽噪聲。(參考函數(shù)imnoise)以下程序供參考：請(qǐng)編程簡(jiǎn)單的算術(shù)均值濾波〔濾波器大小為3*3，自己編寫(xiě)〕、中值濾波〔可自己編寫(xiě)或者直接調(diào)用matlab自帶的函數(shù)medfilt2〕?！矊⒊绦蚝徒Y(jié)果圖復(fù)制到文檔〕?！沧罱K顯示灰度圖、參加高斯噪聲后的圖、參加椒鹽噪聲后的圖、均值濾波后的圖、中值濾波后的圖?！吵绦颍篺unctionmy_imnoise()%UNTITLED3Summaryofthisfunctiongoeshere%Detailedexplanationgoeshere[filenamepathname]=uigetfile({'*.*';'*.jpg';'*.bmp';'*.pgm';'*.tiff';'*.gif'},'?áè?í???');str=[pathnamefilename];I=imread(str);iflength(size(I))>2I=rgb2gray(I);endI_gaussian=imnoise(I,'gaussian');I_salt=imnoise(I,'salt&pepper');imageName=sprintf('lena_gaussian.bmp');imwrite(I_gaussian,['E:\',imageName]);imageName=sprintf('lean_salt,bmp');imwrite(I_salt,['E:\',imageName]);end結(jié)果：2〕程序：functionmy_imnoise()%UNTITLED3Summaryofthisfunctiongoeshere%Detailedexplanationgoeshere[filenamepathname]=uigetfile({'*.*';'*.jpg';'*.bmp';'*.pgm';'*.tiff';'*.gif'},'?áè?í???');str=[pathnamefilename];I=imread(str);iflength(size(I))>2I=rgb2gray(I);endI_gaussian=imnoise(I,'gaussian');I_salt=imnoise(I,'salt&pepper');imageName=sprintf('lena_gaussian.bmp');imwrite(I_gaussian,['E:\',imageName]);imageName=sprintf('lean_salt,bmp');imwrite(I_salt,['E:\',imageName]);endI=imnoise(I,'gaussian');

J=imnoise(I,'salt&pepper');

ave1=fspecial('average',3);

ave2=fspecial('average',3);

K=filter2(ave1,J)/255;

L=filter2(ave2,J)/255;

M=medfilt2(J,[33]);

N=medfilt2(J,[44]);

imshow(