空域平滑滤波和锐化滤波

空域平滑滤波和锐化滤波一、实验要求：自己选择若干图像（两幅以上），对图像文件分别进行均值滤波、中值滤波和拉普拉斯锐化滤波操作；添加噪声，重复上述过程观察处理结果。二、实验原理：均值滤波用领域的均值代替像素值，减小了图像灰度的尖锐变化。由于典型的随机噪声就是由这种尖锐变化组成，因此均值滤波的主要应用就是减噪，即除去图像中不相干的细节，其中“不相干”是指与滤波模板尺寸相比较小的像素区域。但是图像边缘也是由图像灰度尖锐变化带来的特性，因而均值滤波总是存在不希望的边缘模糊的负面效应。均值滤波器可以衍生出另一种特殊的加权均值滤波器，用不同的系数乘以像素，这样，从权值上看，一些像素比另一些更重要。如，处于模板中心位置的像素比其他任何像素的权值都要大，正交方向相邻的像素比对角项的权值大。中值滤波器比小尺寸的线性平滑滤波器的模糊程度明显要低，对处理脉冲噪声（椒盐噪声）非常有效。中值滤波器的主要功能是使拥有不同灰度的点看起来更接近于它的邻近值，去除那些相对于其邻域像素更亮或更暗，并且其区域小于滤波器区域一半的孤立像素集。中值滤波等对去除一定特性的噪声会比较有效，除此之外我们还可以用几何方法来去除离散噪声。考虑一幅二值图像，对每个黑点我们以递归的方法从上下左右以及左上、右上、左下、右下八个方向搜索连续的黑点，如果某个方向连续黑点的数目满足规定的长度，我们就认为该点不是离散点，否则认为该点是离散点而去除掉（把黑点改为白点）。锐化滤波器是根据一阶和二阶导数的特点得到的一阶导数定义：？锐化滤波器(Sharpeningspatialfilter)基于二阶导数(Laplacian)基于一阶导数(梯度,gradient)强化图像细节deblur(sharpen)空域滤波器(Spatialfilter)平滑滤波器(Smoothingspatialfilter)线性滤波器(均值滤波器)非线性滤波器(中值滤波器)抑制噪声,并保持边缘模糊掉小物体Blur(smooth)0000()()()limxxxfxxfxfxxx三、实验程序及结果：1）空域平滑滤波clearall;closeallI=imread('eight.tif');h1=ones(3,3)/9;h2=ones(5,5)/25;I1=imfilter(I,h1);I2=imfilter(I,h2);figure(1),imshow(I),title('OriginalImage');figure(2),imshow(I1),title('FilteredImageWith3*3')figure(3),imshow(I2),title('FilteredImageWith5*5')%加入Gaussian噪声J1=imnoise(I,'gaussian',0,0.005);%加入椒盐噪声J2=imnoise(I,'salt&pepper',0.02);%对J1、J2进行平均值平滑滤波K1=imfilter(J1,fspecial('average',3));K2=imfilter(J2,fspecial('average',3));figure(4);subplot(2,2,1),imshow(J1),title('gaussian');subplot(2,2,2),imshow(J2),title('salt&pepper');subplot(2,2,3),imshow(K1),title('average');subplot(2,2,4),imshow(K2);一阶导数近似:()(1)()fxfxfxx二阶导数近似:22()(1)fxffxx(1)(1)2()fxfxfx(1)()()(1)fxfxfxfx,x1x%对J1、J2进行中值滤波K3=medfilt2(J1,[33]);K4=medfilt2(J2,[33]);figure(5);subplot(2,2,1),imshow(J1),title('gaussian');subplot(2,2,2),imshow(J2),title('salt&pepper');subplot(2,2,3),imshow(K3),title('Medianfiltering');subplot(2,2,4),imshow(K4)分别用3*3和5*5的滤波器对原图进行滤波：加入高斯噪声和椒盐噪声均值滤波后的图像：加入高斯噪声和椒盐噪声中值滤波后的图像：2）空域锐化滤波clearall;closeallI=imread('moon.tif');w=fspecial('laplacian',0.2)w8=[1,1,1;1,-8,1;1,1,1]I1=imfilter(I,w,'replicate');figure(1);imshow(I),title('OriginalImage');figure(2),imshow(I1),title('LaplacianImage');f=im2double(I);f1=imfilter(f,w,'replicate');figure(3),imshow(f1,[]),title('LaplacianImage');f2=imfilter(f,w8,'replicate');f4=f-f1;f8=f-f2;figure(4),imshow(f4);figure(5),imshow(f8);w=0.16670.66670.16670.6667-3.33330.66670.16670.66670.1667w8=1111-81111a)原图像：b)经过拉普拉斯滤波后的uint8图像：c)经拉普拉斯滤波后的double类图像：d)增强后的结果，从a)中减去b)所得的结果：e)增强后的结果，从原图a)中减去c)所得到的结果：