編寫用均值濾波去噪的matlab程序，用兩種方法實(shí)現(xiàn).（重謝）

方法一：filter2

成都創(chuàng)新互聯(lián)公司專注于成都企業(yè)網(wǎng)站建設(shè),響應(yīng)式網(wǎng)站設(shè)計(jì),商城開發(fā)。成都網(wǎng)站建設(shè)公司,為成都等地區(qū)提供建站服務(wù)。全流程按需策劃，專業(yè)設(shè)計(jì)，全程項(xiàng)目跟蹤，成都創(chuàng)新互聯(lián)公司專業(yè)和態(tài)度為您提供的服務(wù)

clear?all;

I=imread('lena.bmp');

%讀入預(yù)處理圖像

imshow(I)

%顯示預(yù)處理圖像

K1=filter2(fspecial('average',3),I)/255;

%進(jìn)行3*3均值濾波

K2=filter2(fspecial('average',5),I)/255;

%進(jìn)行5*5均值濾波

K3=filter2(fspecial('average',7),I)/255;

%進(jìn)行7*7均值濾波

figure,imshow(K1)

figure,imshow(K2)

figure,imshow(K3)

方法二：雙循環(huán)語(yǔ)句，移動(dòng)平均法

%均值濾波

clc,clear;

f=imread('lena.bmp');

subplot(121),imshow(f),title('原圖');

f1=imnoise(f,'gaussian',0.002,0.0008);

%subplot(222),imshow(f1),title('添加高斯噪聲圖');

k1=floor(3/2)+1;

k2=floor(3/2)+1;

X=f1;

[M,N]=size(X);

uint8?Y=zeros(M,N);

funBox=zeros(3,3);

for?i=1:M-3

for?j=1:N-3

funBox=X(i:i+3,j:j+3);

s=sum(funBox(:));

h=s/9;

Y(i+k1,j+k2)=h;

end;

end;

Y=Y/255;

subplot(122),imshow(Y),title('均值濾波');

實(shí)現(xiàn)圖：

均值濾波

一. 均值濾波簡(jiǎn)介和原理

均值濾波，是圖像處理中常用的手段，從頻率域觀點(diǎn)來看均值濾波是一種低通濾波器，高頻信號(hào)將會(huì)去掉。均值濾波可以幫助消除圖像尖銳噪聲，實(shí)現(xiàn)圖像平滑，模糊等功能。理想的均值濾波是用每個(gè)像素和它周圍像素計(jì)算出來的平均值替換圖像中每個(gè)像素。

? ? 以3*3均值濾波器為例，均值濾波器算法原理如下圖：

二. 用均值濾波器對(duì)椒鹽噪聲污染后的圖像去噪

? ? python 源碼：

import cv2

import numpy as np

# mean filter

def mean_filter(img, K_size=3):

H, W, C = img.shape

# zero padding

pad = K_size // 2

out = np.zeros((H + pad * 2, W + pad * 2, C), dtype=np.float)

out[pad: pad + H, pad: pad + W] = img.copy().astype(np.float)

tmp = out.copy()

# filtering

for y in range(H):

? ? for x in range(W):

? ? ? ? for c in range(C):

? ? ? ? ? ? out[pad + y, pad + x, c] = np.mean(tmp[y: y + K_size, x: x + K_size, c])

out = out[pad: pad + H, pad: pad + W].astype(np.uint8)

return out

# Read image

img = cv2.imread("../paojie_sp1.jpg")

# Mean Filter

out = mean_filter(img, K_size=5)

# Save result

cv2.imwrite("out.jpg", out)

cv2.imshow("result", out)

cv2.waitKey(0)

cv2.destroyAllWindows()

三. 實(shí)驗(yàn)結(jié)果：

? ? 可以看到，均值濾波后，圖像中噪聲雖然有所減弱，但是圖像變模糊了。因?yàn)榫禐V波器過濾掉了圖像中的高頻分量，所以圖像的邊緣都變模糊了。（去除一定量椒鹽噪聲，可以考慮使用中值濾波）

四. 參考內(nèi)容：

怎樣用MATLAB實(shí)現(xiàn)中值和均值濾波

中值濾波樓上答了，5*5的均值濾波代碼 w2=fspecial('average',[5 5]); %% 先定義一個(gè)濾波器 h=imfilter(a,w2,'replicate'); %%讓圖像通過濾波器 imshow(h); imwrite(h,'8.jpg');

均值濾波是

I=medfilt2(a,[3 3],'symmetric')

可以在matlab中查詢medfilt函數(shù)的用法，本例是使用3*3的濾波器采用鏡像邊界法做均值濾波。

求分析均值濾波去除圖像噪聲效果不好的原因(有圖有代碼，VC++)

應(yīng)該另外開辟一個(gè)空間保存新計(jì)算的圖像像素值，你這樣是把前面計(jì)算好的中值或者均值算到它臨近點(diǎn)的3*3區(qū)域里了，這樣的效果應(yīng)該是圖像從左上到右下越來越白或者越來越黑。

對(duì)于椒鹽噪聲，中值濾波的效果好；對(duì)于高斯噪聲，均值濾波的效果好。

用matlab圖像處理均值濾波 不轉(zhuǎn)換成灰度 直接把彩色的圖片進(jìn)行處理的代碼

rgb=imread('flower.jpg');

fR=rgb(:,:,1);

fG=rgb(:,:,2);

fB=rgb(:,:,3);

w=fspecial('average');

fR_filtered=imfilter(fR,w);

fG_filtered=imfilter(fG,w);

fB_filtered=imfilter(fB,w);

rgb_filtered=cat(3,fR_filtered,fG_filtered,fB_filtered);

用MATLAB編程實(shí)現(xiàn)均值濾波算法?

1：smoothingAverageFilterMain.mclc;clear;fid = fopen('lenai.raw');temp= fread(fid, [256,256]);LenaRaw=uint8(temp');subplot(1,2,1) Imshow(LenaRaw);title('原始圖像')subplot(1,2,2) Imshow(smoothingAverageFilter(LenaRaw,3));title('自制函數(shù)，使用用3*3模板，均值濾波圖像')2：smoothingAverageFilter.mfunction returnData=smoothingAverageFilter(arg,arg2)[Iwidth,Ilength]=size(arg);temp=double(arg);returnData=zeros(Iwidth,Ilength);totalLength=arg2*arg2;for i=1:Iwidth-arg2+1 for j=1:Ilength-arg2+1 % temp(i,j)=average(arg(i:i+arg2,j:j+arg2)); sum=0.0; for n=1:arg2 for k=1:arg2 sum=sum+temp(i+n-1,j+k-1); end end returnData(i,j)=sum/totalLength; endendreturnData=uint8(returnData);end